Deep Learning

深度學習（也稱為深度結構化學習）是更廣泛的機器學習方法家族的一部分，該方法基於具有表示學習的人工神經網絡。學習可以是有監督的、半監督的或無監督的。

深度神經網絡、深度信念網絡、深度強化學習、循環神經網絡和卷積神經網絡等深度學習架構已應用於計算機視覺、語音識別、自然語言處理、機器翻譯、生物信息學、藥物設計、醫學等領域。圖像分析、氣候科學、材料檢測和棋盤遊戲程序，它們產生的結果與人類專家的表現相當，在某些情況下甚至超過了人類專家的表現。

人工神經網絡 (ANN) 的靈感來自生物系統中的信息處理和分佈式通信節點。人工神經網絡與生物大腦有各種不同。具體來說，人工神經網絡往往是靜態的和象徵性的，而大多數生物體的生物大腦是動態的（可塑性的）和模擬的。

深度學習中的形容詞“深度”是指在網絡中使用多個層。早期的工作表明，線性感知器不能成為通用分類器，但具有非多項式激活函數和一個無限寬度隱藏層的網絡可以。深度學習是一種現代變體，它涉及無限數量的有界大小的層，允許實際應用和優化實施，同時在溫和條件下保持理論普遍性。在深度學習中，為了效率、可訓練性和可理解性，這些層也被允許是異構的，並且與生物學上的連接主義模型有很大的偏差，“結構化”部分由此而來。