深度学习简介

2019 年 11 月 5 日
筆記

人工智能、机器学习、深度学习三者关系

人工智能包括了机器学习和深度学习，机器学习包括了深度学习，他们是父类和子类的关系，可参考下面的图：

下面这张图分得更细致：

什么是人工智能

人工智能（ArtificialIntelligence），英文缩写为AI。是计算机科学的一个分支。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具。

人工智能实际应用：机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。人工智能目前也分为：强人工智能(BOTTOM-UPAI)和弱人工智能(TOP-DOWNAI)，有兴趣大家可以自行查看下区别。

什么是机器学习

机器学习(MachineLearning,ML)，是人工智能的核心，属于人工智能的一个分支。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。所以机器学习的核心就是数据，算法（模型），算力（计算机运算能力）。机器学习应用领域十分广泛，例如：数据挖掘、数据分类、计算机视觉、自然语言处理(NLP)、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用等。

机器学习就是设计一个算法模型来处理数据，输出我们想要的结果，我们可以针对算法模型进行不断的调优，形成更准确的数据处理能力。但这种学习不会让机器产生意识。

什么是深度学习

深度学习是机器学习的一种，其概念源于人工神经网络的研究，含多个隐藏层的多层感知器就是一种深度学习结构。所以深度学习也常被称作深层神经网络。

与一般的机器学习相比，深度学习可以自动进行特征提取，就是自动地将简单的特征组合成更加复杂的特征，并使用这些组合进行多层权重学习用以解决问题。研究深度学习的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，声音和文本等。

深度学习的应用

深度学习最早兴起于图像识别，但是在短短几年时间内，深度学习推广到了机器学习的各个领域并都有出色的表现，在图像识别、语音识别、音频处理、自然语言识别、机器人生物信息处理、搜索引擎、人机博弈、网络广告定向投放，医学自动诊断和金融等各大领域均有应用。