“深度学习”和“多层神经网络”的区别
深度学习是一种学习方式，指的是采用深度模型进行学习，不是模型。多层神经网络是一种模型
多层神经网络都是全连接结构，比如1000＊1000的图片作为输入，那么一层的参数需要10^12个。这样就带来一些问题。
深度学习在多层神经网络的基础上，采用局部连接，权职共享，下菜样等技术，使得一层的参数从10w个，缩小到100*10*10=1w个。使得多层结构可以工作的更高效。
在我的视频课程，用Python做深度学习，里有更详细的解释。
多层神经网络是指单计算层感知器只能解决线性可分问题，而大量的分类问题是线性不可分的。克服单计算层感知器这一局限性的有效办法是，在输入层与输出层之间引入隐层（隐层个数可以大于或等于1）作为输入模式“的内部表示” ，单计算层感知器变成多（计算）层感知器。
补充：
深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
深度学习是什么深度学习的意思是什么
1、深度学习（DeepLearning，DL）是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别...
什么是深度学习
简单来说，机器学习是实现人工智能的方法，深度学习是实现机器学习的技术。机器学习在实现人工智能时中需要人工辅助（半自动），而深度学习使该过程完全自动化 三者关系：举个例子：通过机器学习算法来识别水果是橘子还是苹果，需要人工输入水果的特征数据，生成一定的算法模型，进而可以准确预测具有这些特征的...
深度学习又称之为什么?
深度学习又称之为人工神经网络训练。深度学习是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理。深...
深度学习是什么?
深度学来习（人工神经网络的研究的概念）深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像...
什么是深度学习
深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来...
一页纸说清楚“什么是深度学习
深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来...
深度学习模型区别于早期的人工神经网络的是什么
在前馈神经网络中，信息只能从前向传播，即从输入层经过各隐藏层的计算到达输出层，而不能像深度学习模型那样进行后向传播更新参数。深度学习模型是对早期人工神经网络的一种改进和扩展，利用了多层神经网络和反向传播算法，使得模型能够更好地处理复杂的非线性问题，并且在大数据集上的表现也更为优秀。
深度学习 l2正则化是逐层加还是最后一起加
逐层加。因为正则化是对每一层权重进行的
什么是深度学习?
深度学习，就是深入的去学习，深入的学习，就需要你，认真，努力勤奋。深度学习，从表面上看，你就是要全心全意的投入，但实际上需要你开动脑筋去学习。开动脑筋，也就是你在学习的时候，比如说上课，你就得认真听课，对老师提出的每个问题都要提出质疑，然后想办法去解决，课后你就要认真的去完成作业...
深度学习是什么?
深度学习（人工神经网络的研究的概念）深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和...
弥岭调经： “深度学习”和“多层神经网络”不存在区别关系.深度学习的网络结构是多层神经网络的一种.深度学习中最著名的卷积神经网络CNN,在原来多层神经网络的基础上,加入了特征学习部分,这部分是模仿人脑对信号处理上的分级的.广义...
石屏县17841968013： 卷积神经网络和深度神经网络的区别是什么 - ？
弥岭调经： 深度网络是一个大类,传统意义上我们认为隐含层的层数多于3的神经网络都称为深度网络.研究比较火热的深度网络包括:多层感知机,卷积神经网络,深度置信网络,深度玻尔兹曼机等等.
石屏县17841968013： 神经网络(深度学习)的几个基础概念 - ？
弥岭调经： 从广义上说深度学习的网络结构也是多层神经网络的一种.传统意义上的多层神经网络是只有输入层、隐藏层、输出层.其中隐藏层的层数根据需要而定,没有明确的理论推导来说明到底多少层合适.而深度学习中最著名的卷积神经网络CNN,在原来多层神经网络的基础上,加入了特征学习部分,这部分是模仿人脑对信号处理上的分级的.具体操作就是在原来的全连接的层前面加入了部分连接的卷积层与降维层,而且加入的是一个层级.输入层 - 卷积层 -降维层 -卷积层 - 降维层 -- .... -- 隐藏层 -输出层简单来说,原来多层神经网络做的步骤是:特征映射到值.特征是人工挑选.深度学习做的步骤是 信号->特征->值. 特征是由网络自己选择.
石屏县17841968013： 什么是深度学习 - ？
弥岭调经： 普通的神经网络,输入的数据对应一组组的特征值,经过学习,完成分类拟合或预测;深度学习的作用,在于确定给神经网络输入什么特征的值,即用机器完成特征提取,而不需要用其他的方式来人工确定特征,提取特征.
石屏县17841968013： 深度学习会代替神经网络吗? - ？
弥岭调经： deeplearinig就是神经网络的一类,就是解决的训练问题的深层神经网络,所以你这问题“深度学习会代替神经网络'就不对,BP么,BP有自己的优势,也是很成熟的算法,做手写识别等等效果已经商用化了,不会被轻易替代.deeplearning远比BP要复杂,用来解决的问题也不是一个层面,所以也没有替代的必要.Deeplearning所涉及的问题大多数BP都没法解决的.........
石屏县17841968013： 卷积网络是深度学习还是神经网络 - ？
弥岭调经： 作者:杨延生 链接: 来源:知乎 著作权归作者所有,转载请联系作者获得授权. ＂深度学习＂是为了让层数较多的多层神经网络可以训练,能够work而演化出来的一系列的 新的结构和新的方法. 新的网络结构中最著名的就是CNN,它解决了...
石屏县17841968013： 如何理解深度学习中的卷积 - ？
弥岭调经： 深度学习的概念源于人工神经网络的研究.含多隐层的多层感知器就是一种深度学习结构.深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示.多层神经网络是指单计算层感知器只能解决线性...
石屏县17841968013： 深度学习有哪些加快收敛的tricks - ？
弥岭调经： 深度学习,按个人的理解主要就是多层神经网络.而多层神经网络目前效果比较好的是卷积神经网络,目前在图像和音频信号上效果比较好,而在自然语言处理上效果没有显示出来.深度学习从统计学的角度来说,就是在预测数据的分布,从数据中学得一个模型然后再通过这个模型去预测新的数据,这一点就要求测试数据和训练数据必须是同分布.深度学习,它是在一定的学习量的积累基础之上的质的飞越,就是学习能力的质变和新实现.度学习的前提在于大数据技术的成熟和支撑.同时,深度学习是一种经验的连接和运用.它是人类的经验和智慧在机器中的再生和活化.
石屏县17841968013： 深度卷积神经网络的输入可以是手工提取的特征吗 - ？
弥岭调经： 可以啊,但是没必要,卷积网本身就能够自动智能的提取特征,你只要设计好网络结构,每个卷积提取多少个特征就行了.
