相对于单纯机制的机器学习数学模型，深度学习像是一种综合的工程设计，它的基本架构是深层的神经网络，具有处理非常复杂的模式的能力。为了提高训练的效果和效率，需要设计具有不同层次的网络构造。例如，在计算机视觉领域广泛应用的卷积神经网络（CNN），便是在低层先采用几个卷积核层和联营层来抽取特征和压缩信息，它们是“先天”预设功能的神经网络层，具有较少可调的连接参数，能自动获取局部特征，且易于控制训练的效果。在深层网络中有的还采取分层采用无监督的预先学习和随后的监督学习的方法，来提高学习效率。如何构造深度网络和控制训练是深度学习的研究内容。今天深度学习的神经网络已有百亿个神经连接参数，具有极高的智商，它需要巨大的计算机资源和信息数据的支持，多在大公司用于研究突破性的应用和探索人工智能的未来。
此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 常识论 » 深度学习的强大之处探讨