机器学习入门-6：深度学习

来源：https://www.cnblogs.com/subconscious/p/4107357.html

近年来，机器学习的发展产生了一个新的方向，即“深度学习”。
虽然深度学习这四个字听起来颇为高大上，但其理念却非常简单，就是传统的神经网络发展到了多隐藏层的情况。

在上文介绍过，自从90年代以后，神经网络已经消寂了一段时间。但是BP算法的发明人Geoffrey Hinton一直没有放弃对神经网络的研究。由于神经网络在隐藏层扩大到两个以上，其训练速度就会非常慢，因此其实用性一致低于支持向量机。
2006年，Geoffrey Hinton在科学杂志《Science》发表了一篇文章，论证了两个观点：
1. 多隐层的神经网络具有优异的特征学习能力，学习得到的特征对数据有更为本质的刻画，从而有利于可视化或分类；
2. 深度神经网络在训练上的额难度，可以通过“逐层初始化”来有效克服。
通过这样的发现，不仅解决了神经网络在计算上的难度，同时也说明了深层神经网络在学习上的优异性。从此，神经网络重新成为了机器学习界中的主流强大学习技术。

具有多个隐藏层的神经网络被称为深度神经网络，基于深度神经网络的学习研究称之为深度学习。

目前业界许多的图像识别技术与语音识别技术的进步，都源于深度学习的发展，如百度识图。
深度学习属于机器学习的子类。基于深度学习的发展，大大促进了机器学习地位的提高，更进一步地，推动了业界对机器学习父类人工智能的再次重视。