学习日志

深度学习初步了解总结

核心特色与基本定义
深度学习是机器学习的一种，使机器模仿人的思维和行动。深度学习是一种表征学习方法。把原始数据通过一些简单的可是非线性的多层次表征模型转变成为更高层次的，更加抽象的表达。通过足够多这样的转换组合，很复杂的函数也可以被学习。深度学习的核心特色是这些多层结构中的特征不是工程师手工设计的，而是通过一个通用目的的学习过程从数据中学习的。
涉及的模式与分析方法
1.基于卷积运算的神经网络系统，即卷积神经网络
2.基于多层神经元的自编码神经网络，包括自编码以及近年来受到广泛关注的稀疏编码两类
3.以多层自编码神经网络的方式进行与训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络
深度网络与传统机器学习的重要区别
传统机器学习做分类的时候需要大量的先验经验和领域知识对分类特征进行设计，但是又很难保证特征的泛化能力。而深度学习可以通过网络来拟合特征可以避免这种问题，因为深度学习通过多层结构从原始数据中得到的特征可以同时提高特征的区分选择性和特征不变形，而且可微小细节的特征进行区分
参考文献
[1]Deep Learning（深度学习）学习笔记整理系列