在人工智慧的早期，那些對人類智力來說非常困難、但對計算機來說相對簡單
的問題得到迅速解決，比如，那些可以通過一系列形式化的數學規則來描述的問題。
人工智慧的真正挑戰在於解決那些對人來說很容易執行、但很難形式化描述的任務，
如識別人們所說的話或影象中的臉。對於這些問題，我們人類往往可以憑藉直覺輕
易地解決。
針對這些比較直觀的問題，本書討論一種解決方案。該方案可以讓計算機從經
驗中學習，並根據層次化的概念體系來理解世界，而每個概念則通過與某些相對簡
單的概念之間的關係來定義。讓計算機從經驗獲取知識，可以避免由人類來給計算
機形式化地指定它需要的所有知識。層次化的概念讓計算機構建較簡單的概念來學
習複雜概念。如果繪製出這些概念如何建立在彼此之上的圖，我們將得到一張『『深』』
（層次很多）的圖。基於這個原因，我們稱這種方法為ai深度學習（deep learning）
使用機器學習來發掘表示本身，而不僅僅把表示對映到輸出。這種方法我們稱之為表示學習（representation learning）
深度學習（一）深度學習的概念
深度學習是機器學習與神經網路 人工智慧 圖形化建模 優化 模式識別和訊號處理等技術融合後產生的乙個領域。深度學習網路是神經網路革命性的發展，人們甚至認為可以用它來建立更加強大的 模型。深度學習使用多層機器學習模型對資料進行有監督學習或無監督學習。模型中的不同層由非線性資料變換的多個階段組成，資料的特...
深度學習概念
深度學習是基於機器學習延伸出來的乙個新的領域，由以人大腦結構為啟發的神經網路演算法為起源加之模型結構深度的增加發展，並伴隨大資料和計算能力的提高而產生的一系列新的演算法。深度學習什麼時間段發展起來的?其概念由著名科學家geoffrey hinton等人在2006年和2007年在 sciences 等...
深度學習的概念案例
訓練集，測試集，特徵值，監督學習，非監督學習，半監督學習，分類，回歸 概念學習 學習是人類具有的一種重要智慧型行為，但究竟什麼是學習，長期以來卻眾說紛紜。社會學家 邏輯學家和心理學家都各有其不同的看法。機器學習是一門人工智慧的科學，該領域的主要研究物件是人工智慧，特別是如何在經驗學習中改善具體演算法...