讓我們先從深度學習的定義入手，然後順便理一下深度學習、機器學習以及ai之間的一些聯絡：
深度學習是指多層的人工神經網路三者聯絡如下：和訓練它的方法。一層神經網路
會把大量矩陣數字作為輸入，通過非線性啟用方法取權重，再產生另乙個資料
機器學習：抵達ai目標的一條路徑
深度學習是機器學習
研究中的乙個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，例如影象，聲音和文字。
大體來講，機器學習就是用演算法真正解析資料，不斷學習，然後對世界中發生的事做出判斷和**。此時，研究人員不會親手編寫軟體、確定特殊指令集、然後讓程式完成特殊任務，相反，研究人員會用大量資料和演算法「訓練」機器，讓機器學會如何執行任務。
機器學習這個概念是早期的ai研究者提出的，在過去幾年裡，機器學習出現了許多演算法方法，包括決策樹學習、歸納邏輯程式設計、聚類分析(clustering)、強化學習、貝葉斯網路等。正如大家所知的，沒有人真正達到「強人工智慧」的終極目標，採用早期機器學習方法，我們連「弱人工智慧」的目標也遠沒有達到。
在過去許多年裡，機器學習的最佳應用案例是「計算機視覺」，要實現計算機視覺，研究人員仍然需要手動編寫大量**才能完成任務。研究人員手動編寫分級器，比如邊緣檢測濾波器，只有這樣程式才能確定物件從**開始，到**結束；形狀偵測可以確定物件是否有8條邊；分類器可以識別字元「s-t-o-p」。通過手動編寫的分組器，研究人員可以開發出演算法識別有意義的形象，然後學會下判斷，確定它不是乙個停止標誌。
深度學習是從機器學習中的人工神經網路發展出來的新領域。早期所謂的「深度」是指超過一層的神經網路。深度學習本來並不是一種獨立的學習方法，其本身也會用到有監督和無監督的學習方法來訓練深度神經網路。但由於近幾年該領域發展迅猛，一些特有的學習手段相繼被提出（如殘差網路），因此越來越多的人將其單獨看作一種學習的方法。
最初的深度學習是利用深度神經網路來解決特徵表達的一種學習過程。深度神經網路本身並不是乙個全新的概念，可大致理解為包含多個隱含層的神經網路結構。為了提高深層神經網路的訓練效果，人們對神經元的連線方法和啟用函式等方面做出相應的調整。
深度學習筆記（一）什麼是深度學習
從簡單的經驗中獲取知識，不需要人類去設計 規範知識，因為層次化的簡單概念可以讓計算機去學習，從而形成複雜的概念，如果用一張圖來表示就是一層一層，所以叫深度學習。ibm深藍 1997年 知識基礎 knowledge base 用公式來表述現實世界，現在還沒有成功案例。機器學習 machine lear...
深度學習 什麼是marginalization
中經常看到這樣的描述 谷歌翻譯顯示這個詞的意思是 邊緣化 那麼在數學中，邊緣化到底代表什麼操作呢？首先，邊緣化是概率論中的乙個概念，它要求對乙個變數的可能值求和，以確定另乙個變數的邊緣貢獻。這個定義可能聽起來有點抽象，讓我們用乙個例子來說明這一點。假設我們對天氣如何影響英國人的幸福這一話題感興趣。我...
到底什麼是深度學習？
什麼是學習？說到 深度學習 追根溯源，我們需要先知道什麼是 學習 著名學者赫伯特 西蒙教授 herbert simon,1975 年圖靈獎獲得者 1978 年諾貝爾經濟學 獎獲得者 曾對 學習 下過乙個定義 如果乙個系統，能夠通過執行某個過程，就此改進了它的效能，那麼這個過程就是學習 大師果然名不虛...