Deep Learning——初识

深度学习（Deep Learning）

       深度学习（DL），机器学习（ML），人工智能（AI）是三种看起来及其相似的东西，似乎处理方法，研究原理是通用的。按照我的理解，他们之间是相互不同，又有深刻联系的。

       深度学习的概念源于ANN的研究。含多隐层的多层感知机就是一种深度学习结构。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。（摘自百度百科）

       机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。（摘自百度百科）

       人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。（摘自百度百科）

      由上三条概念可以看出，ML是AI的核心，DL源于ANN，ANN属于ML，这样三者的关系就很清晰了。

1.

       深度学习从字面看起来就是深层的研究，深层的挖掘；按照我自己的理解，深度学习是对网络层数的不断加深，不断的探究各神经元之间的关系，不断优化参数，以获得最优的参数矩阵。

2. 大概步骤

          设计输入数据和了解输出类别；

          加深网络层数，学习参数；

          在学习过程中不断优化参数；

         达到一定阈值，则训练结束，获得参数。

3. 使用场景

        可以简要概括为训练和分类