Deep Learning

深度学习（也称为深度结构化学习）是更广泛的机器学习方法家族的一部分，该方法基于具有表示学习的人工神经网络。学习可以是有监督的、半监督的或无监督的。

深度神经网络、深度信念网络、深度强化学习、循环神经网络和卷积神经网络等深度学习架构已应用于计算机视觉、语音识别、自然语言处理、机器翻译、生物信息学、药物设计、医学等领域。图像分析、气候科学、材料检测和棋盘游戏程序，它们产生的结果与人类专家的表现相当，在某些情况下甚至超过了人类专家的表现。

人工神经网络 (ANN) 的灵感来自生物系统中的信息处理和分布式通信节点。人工神经网络与生物大脑有各种不同。具体来说，人工神经网络往往是静态的和象征性的，而大多数生物体的生物大脑是动态的（可塑性的）和模拟的。

深度学习中的形容词“深度”是指在网络中使用多个层。早期的工作表明，线性感知器不能成为通用分类器，但具有非多项式激活函数和一个无限宽度隐藏层的网络可以。深度学习是一种现代变体，它涉及无限数量的有界大小的层，允许实际应用和优化实施，同时在温和条件下保持理论普遍性。在深度学习中，为了效率、可训练性和可理解性，这些层也被允许是异构的，并且与生物学上的连接主义模型有很大的偏差，“结构化”部分由此而来。