深度学习之美——深度学习基本介绍

转载请注明出处 https://blog.csdn.net/nk1212582/article/details/81429482

一入侯门“深”似海，深度学习深几许

深度学习的巨大影响

将人类过去痴迷的算法问题，演变成数据和计算的问题

“算法为核心竞争力”正转变为“数据为核心竞争力”

深度学习的所有特征的提取，全程不虚人工提取，这个自主特性在机器学习领域是革命性的

机器学习的4个象限

可统计是指，对于同类事物，它具有一定个规律性，这是一切统计学习的基本假设

不可推理，是指“剪不断、理还乱”的非线性状态

传统机器学习（位于第II象限），通常是用人类的先验知识，把原始数据预处理成各种特征，然后根据特征进行分类。这种分类的效果，高度取决于特征选取的好坏。因此，传统机器学习又称特征工程。

深度学习在本质上属于可统计不可推理的范畴。

什么是深度学习

为了让神经网络的学习性能表现得更好，人们只能依据经验，不断尝试性地进行大量重复的网络参数的调整

深度学习是一种包含多个隐含层的多层感知机，通过组合底层特征，形成更为抽象的高层表示，用以描述被识别对象的高级属性类别或特征。能自生成数据的中间表示（虽然这个表示并不能被人类所理解）。

深度学习的方法论

深度学习是“end-to-end”（端到端），输入的