什么是深度学习

深度学习，即深度学习概念（Deep Learning），简称为DL。其源于人工神经网络的研究。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出，其基于深度置信网络(DBN)的非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来了希望。卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。深度学习是一种机器学习方法，它通过非监督或半监督的方式特征学习和分层特征提取，替代手工获取特征。深度学习模仿人脑机制来解释数据，如图像、声音和文本。深度学习分为监督学习和无监督学习，例如卷积神经网络（CNNs）是监督学习下的机器学习模型，而深度置信网（DBNs）是无监督学习下的机器学习模型。

机器学习是让机器通过分析数据找到规律，并根据规律处理新数据的算法。机器学习理论关注设计和分析自动学习的算法。深度学习是机器学习的一个分支，它通过多层神经网络的学习，实现从低层特征到高层特征的抽象，解决复杂问题。

神经网络是由多个神经元组成的系统，模拟人类的神经网络。神经元是一个简单的分类器，输入数据用于分类，如猫或狗。神经元的缺点是它只能进行简单的分类，如一刀切。但通过多层神经网络，底层神经元的输出作为高层神经元的输入，可以实现更复杂的分类。深度学习通过演化出新的结构和方法，让层数较多的多层神经网络能够训练和运行。

深度学习中的深度概念代表了神经网络的层数。流行的深度学习网络结构包括CNN（卷积神经网络）、RNN（循环神经网络）、DNN（深度神经网络）等。深度学习框架有MXnet、tensorflow、caffe等，此外还有PyTorch、Keras等上层框架。

总结，深度学习属于机器学习，机器学习属于人工智能。人工智能由人通过技术手段赋予机器智能，而深度学习是赋予机器智能的一个强有力方法。深度学习中的神经网络模型受到生物神经网络的启发，科学家希望通过模拟人脑实现思考的机器。

您可能感兴趣问答

Collapsible

热门标签

热点问答