深度學習（Deep Learning）是機器學習的一個子類，一般特指學習高層數的網路結構。這個結構中通常會結合線性和非線性的關係。
Deep Learning 也會分各種不同的模型，比如 CNN, RNN, DBN他們的解法也會不同。
Deep Learning 目前非常流行，因為他們在影象，視覺，語音等各種應用中表現出了很好的 empirical performance。並且利用 gpu 的並行運算，在模型相當複雜，資料特別大量的情況下，依然可以達到很理想的學習速度。
因為 Deep Learning 往往會構建多層數，多節點，多複雜度的模型，人們依然缺乏多里面學習的結構模型的理解。很多時候，Deep Learning 甚至會被認為擁有類似於人類神經網路的結構，並且這種類似性被當做 deep learning 居然更大 potential 的依據。但答主個人認為，其實這略有些牽強聽起來更像是先有了這種 network 的結構，再找一個類似性。
深度學習（Deep Learning）是機器學習的一個子類，一般特指學習高層數的網路結構。這個結構中通常會結合線性和非線性的關係。
Deep Learning 也會分各種不同的模型，比如 CNN, RNN, DBN他們的解法也會不同。
Deep Learning 目前非常流行，因為他們在影象，視覺，語音等各種應用中表現出了很好的 empirical performance。並且利用 gpu 的並行運算，在模型相當複雜，資料特別大量的情況下，依然可以達到很理想的學習速度。
因為 Deep Learning 往往會構建多層數，多節點，多複雜度的模型，人們依然缺乏多里面學習的結構模型的理解。很多時候，Deep Learning 甚至會被認為擁有類似於人類神經網路的結構，並且這種類似性被當做 deep learning 居然更大 potential 的依據。但答主個人認為，其實這略有些牽強聽起來更像是先有了這種 network 的結構，再找一個類似性。