深度学习
回到术语表什么是深度学习?
深度学习是机器学习的一个子集，涉及大量数据，算法受到人类大脑结构和功能的启发，这就是为什么深度学习模型通常被称为深度神经网络。它是基于学习数据表示的更广泛的机器学习方法家族的一部分，而不是传统的特定于任务的算法。深度学习是如何工作的?
在深度学习中，计算机模型直接从图像、文本或声音中学习执行分类任务。它会重复执行一个任务，并做出一些调整来改善结果。深度学习模型可以超越人类水平的表现。模型是通过使用包含许多层的大量标记数据和神经网络架构来训练的。深度学习神经网络中最重要的部分是一层被称为“神经元”的计算节点。每个神经元都连接到底层的所有神经元。由于“深度学习”，神经网络利用了至少两个隐藏层。隐藏层的加入使研究人员能够进行更深入的计算。那么算法是如何工作的呢?问题是，每个连接都有其重量或重要性。but, with the help of the deep neural networks we can automatically find out the most important features for classification. This is performed with the help of the Activation Function that evaluates the way the signal should take for every neuron, just like in the case of a human brain深度学习层的类型:
- 节点的输入层接收信息并将其传输到底层节点;在这里，网络关注的是局部对比的模式。
- 隐藏节点层是计算出现的地方，这个层使用局部对比的模式来固定相似的东西
- 在输出节点层中，将显示计算结果。在这一层中，特性将应用于模板。
深度神经网络可以在每个连续层中创建越来越复杂的特征。额外的资源
回到术语表
