寫這篇文章其實是個意外，在一本圖形教材裡看到了神經網路，感覺好像以前在機器學習裡見過，就稍微了解了一下。dl的浪潮好像影響很大，之前在知乎上看到很多中小型公司，能組起雲平台的都在做大資料。在這裡我只是想說一下，人工智慧，機器學習，深度學習的區別。
詳細資料：
我覺得深藍的總結比較準確——機器學習：一種實現人工智慧的方法，
深度學習：一種實現機器學習的技術。
身邊有人把它們相提並論，現在我給自己說明了三者的區別。深度學習只是其中的一種技術，只是大資料時代選擇了它。還不知道時代的下乙個選擇是什麼呢。
關於深度學習
一 deep learning的基本思想 假設我們有乙個系統s，它有n層 s1,sn 它的輸入是i，輸出是o，形象地表示為 i s1 s2 sn o，如果輸出o等於輸入i，即輸入i經過這個系統變化之後沒有任何的資訊損失 呵呵，大牛說，這是不可能的。資訊理論中有個 資訊逐層丟失 的說法 資訊處理不等式...
關於深度學習初步認識
對於某類任務 task，簡稱t 和某項效能評價準則 performance，簡稱p 如果乙個電腦程式在t上，以p作為效能的度量，隨著很多經驗 experience，簡稱e 不斷自我完善，那麼我們稱這個電腦程式在從經驗e中學習了 1 感知機部分 可以看到，乙個感知器有如下組成部分 1 輸入權值 乙個感...
關於深度學習的幾個問題
機器學習 監督學習 有資料有標籤的 非監督學習 只有資料，沒有標籤。半監督學習 用少量有標籤樣本和大量沒標籤樣本 強化學習 從經驗中總結提公升 遺傳演算法 適者生存，不適者淘汰。神經網路 卷積神經網路nn 迴圈神經網路rnn，lstm 長短期記憶，最流行的rnn技術之一。自編碼autoencodin...