深度学习通过多层架构自动发现数据的复杂结构，极大提升了许多领域的技术水平，包括图像识别、语音识别和自然语言处理。它使用反向传播算法在大型数据集上训练，学习特征层，并在图像、文本等领域取得突破。随着硬件和算法的进一步发展，深度学习将继续在多个领域带来创新成果。
深度学习允许由多个处理层组成的计算模型来学习具有多个抽象级别的数据表示。 这些方法极大地提高了语音识别、视觉对象识别、对象检测和许多其他领域（如药物发现和基因组学）的最新技术水平。 深度学习通过使用反向传播算法来发现大型数据集中的复杂结构，以指示机器应如何更改其内部参数，这些参数用于从前一层的表示计算每一层的表示。 深度卷积网络在处理图像、视频、语音和音频方面带来了突破，而循环网络则在文本和语音等序列数据上有所体现。
机器学习技术为现代社会的许多方面提供动力：从网络搜索到社交网络上的内容过滤再到电子商务网站上的推荐，并且它越来越多地出现在相机和智能手机等消费产品中。 机器学习系统用于识别图像中的对象，将语音转录为文本，将新闻项目、帖子或产品与用户的兴趣相匹配，并选择相关的搜索结果。这些应用程序越来越多地使用称为深度学习的一类技术。
传统的机器学习技术在处理原始形式的自然数据的能力方面受到限制。 几十年来，构建模式识别或机器学习系统需要仔细的工程和相当多的领域专业知识来设计特征提取器，将原始数据（例如图像的像素值）转换为合适的内部表示或特征向量，学习子系统，通常是分类器，
订阅专栏 解锁全文
扫一扫
1245
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
