深度学习的关键术语

摘要： 本文着重介绍了深度学习的一些关键术语，其中包括生物神经元，多层感知器（MLP），前馈神经网络和递归神经网络。对于初学者来说，掌握它们可以防止在学习请教时的尴尬~

深度学习已经成为编程界的一股潮流，因为其在许多领域取得了令人难以置信的成功，使其在研究和工业领域广受欢迎。那么到底什么是深度学习呢？深度学习是应用深层神经网络技术：即利用具有多个隐藏层的神经网络结构来解决问题的过程。深度学习是一个过程，如数据挖掘，它采用深度神经网络架构，它是特定类型的机器学习算法。

深度学习最近取得了令人吃惊的成就。但，至少在我看来，谨记一些事情是很重要的：

1. 深度学习不是万能的——它不是一个解决所有问题的万能的解决方案。

2.它不是传说中的王牌算法——深度学习不会取代所有其他机器学习算法和数据科学技术、或者至少它还没有证明如此。

3.有期望是必要的——尽管最近它在所有类型的分类问题上取得了很大进展，特别是计算机视觉和自然语言处理以及强化学习和其他领域，当代深度学习并没有扩展到处理非常复杂的问题，如“解决世界和平”。

4.深度学习和人工智能并不是同义词。

5.深度学习可以通过附加的过程和工具来帮助解决问题，从而为数据科学提供了极大的帮助。当从这个角度观察时，深度学习对数据科学领域是非常有价值的补充。

如上图所示，深度学习其本质就是数据挖掘，因为（深度）神经网络是机器学习（过程与体系结构）。同样可以看到的事实是，深度神经网络与当代人工智能有很大关系，至少两者可以交织在一起（然而，它们不是同一事物，人工智能是具有许多其他算法以及超越神经网络的技术）。还需要注意的是深度学习/深度神经网络与计算机视觉、自然语言处理和生成模型之间的联系，鉴于近年来在这些领域取得的巨大进步，深度学习和神经网络技术的联系是微妙的，但这种联系具有特别重要的意义。

那么，让我们来看看一些与深度学习相关的术语。

1. 深度学习：