?深度學(xué)習的概念解釋是什么？區別于傳統的淺層學(xué)習的新概念是？

?深度學(xué)習的概念解釋是什么?

深度學(xué)習(DL，Deep Learning)是機器學(xué)習(ML，Machine Learning)領(lǐng)域中一個(gè)新的研究方向，它被引入機器學(xué)習使其更接近于最初的目標——人工智能(AI，Artificial Intelligence)。[1]

深度學(xué)習是學(xué)習樣本數據的內在規律和表示層次，這些學(xué)習過(guò)程中獲得的信息對諸如文字、圖像和聲音等數據的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學(xué)習能力，能夠識別文字、圖像和聲音等數據。 深度學(xué)習是一個(gè)復雜的機器學(xué)習算法，在語(yǔ)音和圖像識別方面取得的效果，遠遠超過(guò)先前相關(guān)技術(shù)。

區別于傳統的淺層學(xué)習，深度學(xué)習的不同在于：[4]

(1)強調了模型結構的深度，通常有5層、6層，甚至10多層的隱層節點(diǎn);[4]

(2)明確了特征學(xué)習的重要性。也就是說(shuō)，通過(guò)逐層特征變換，將樣本在原空間的特征表示變換到一個(gè)新特征空間，從而使分類(lèi)或預測更容易。與人工規則構造特征的方法相比，利用大數據來(lái)學(xué)習特征，更能夠刻畫(huà)數據豐富的內在信息。[4]

通過(guò)設計建立適量的神經(jīng)元計算節點(diǎn)和多層運算層次結構，選擇合適的輸入層和輸出層，通過(guò)網(wǎng)絡(luò )的學(xué)習和調優(yōu)，建立起從輸入到輸出的函數關(guān)系，雖然不能100%找到輸入與輸出的函數關(guān)系，但是可以盡可能的逼近現實(shí)的關(guān)聯(lián)關(guān)系。使用訓練成功的網(wǎng)絡(luò )模型，就可以實(shí)現我們對復雜事務(wù)處理的自動(dòng)化要求。

標簽： 概念解釋 都是什么