深度學(xué)習(xí)是一個機(jī)器學(xué)習(xí)問題，從有限的樣例中通過算法總結(jié)出一般規(guī)律，并可以應(yīng)用到新的未知數(shù)據(jù)上。一種可以比較好解決貢獻(xiàn)度分配的問題的模型是人工神經(jīng)網(wǎng)絡(luò)，簡稱神經(jīng)網(wǎng)絡(luò)。因為神經(jīng)網(wǎng)絡(luò)模型一般比較復(fù)雜，從輸入到輸出的信息傳遞路徑一般比較長，所以復(fù)雜神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)可以看成一種深度的機(jī)器學(xué)習(xí)，即深度學(xué)習(xí)。

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)并不等價，深度學(xué)習(xí)可以采用神經(jīng)網(wǎng)絡(luò)模型，也可以采用其他模型（比如深度信念神經(jīng)網(wǎng)絡(luò)是一種概率圖模型）

人工智能分為兩派：

1.符號主義：人類的認(rèn)知過程可以看做符號操作過程。

2.連接主義：人類的認(rèn)知過程是由大量的簡單神經(jīng)原構(gòu)成的神經(jīng)網(wǎng)絡(luò)中的信息處理過程，而不是符號計算。因此，連接主義模型是由大量簡單的信息處理單元組成的互聯(lián)網(wǎng)絡(luò)，具有非線性、分布式、并行化、局部性計算以及自適應(yīng)性等特性。

符號主義方法等一個優(yōu)點是可解釋性，這也是連接主義的弊端。深度學(xué)習(xí)的主要模型神經(jīng)網(wǎng)絡(luò)就是一種連接主義模型。隨著深度學(xué)習(xí)的 發(fā)展，越來越多的研究者開始關(guān)注如何融合符號主義和連接主義，建立一種高效并且具有可解釋性的模型。

將圖像數(shù)據(jù)表示為向量的方法有很多種，比如直接將一副圖像的所有像素值（灰度值或者rgb值）組成一個連續(xù)向量。

深度學(xué)習(xí)是一種端到端學(xué)習(xí)，不需要明確給出不同模塊或階段的功能，中間過程不需要人為干預(yù)，端到端學(xué)習(xí)的訓(xùn)練數(shù)據(jù)為“輸入-輸出”對的形式，無需提供其他額外信息。

總結(jié)

以上是生活随笔為你收集整理的机器学习基础（1）——绪论的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。