5. DL深度学习（Deep Learning）

• 定义：深度学习是机器学习的一个子集，主要使用多层神经网络来进行特征提取和学习。深度学习在处理图像、语音和自然语言处理等复杂任务时表现出色，在当今大数据和高性能计算的支持下，已经成为了近年来人工智能领域的核心技术之一。

一、深度学习的背景

1. 神经网络的起源：神经网络是深度学习的基础，其灵感来源于人类大脑的神经元连接。最初的神经网络（感知器）是通过简单的数学模型模拟神经元（就是大脑的细胞）之间的连接。

二、深度学习的基本概念 

1. 人工神经网络（ANN）：

   • 神经元：基本的计算单元，通过加权输入信号、激活函数来输出结果，比如接收一个信息（文字、图片等），然后作出一个判断或决定（比如这是一只狗）。
   • 层次结构：神经网络由多个“层”组成，通常分为输入层（从上一层接收信息）、隐藏层（转换和处理数据）和输出层（输出信息给下一层）。每一层的神经元都与上一层的神经元相连接。
   • 权重和偏置：每个连接有一个权重，控制信号的强度，偏置用于调整模型的输出。
   • 激活函数：激活函数决定了神经元的输出，常见的激活函数有Sigmoid、ReLU（Rectified Linear Unit）等。
   • 人工神经网络是基础的