1樓：徐佳逸
深度學習可以理解成用深度神經網路（DNN，Deep Neural Network）來進行機器學習，他倆的關係可以從這個定義中一目了然地看出來。
深度神經網路（DNN）一般分為三種架構
樸素的DNN：就是一般性的神經網路往多層擴充套件，缺點很多包括訓練緩慢，用Backprop進行訓練梯度衰減得厲害；
深度置信（信念）網路（DBN，Deep Belief Network）：基於RBN（Restricted Boltzmann Machine）的性質而建立起來的深度神經網路，適用於最大似然概率的估計，可以作為其他網路的預訓練來學習資料中的一些模式；
卷積深度置信網路（CDBN，Convolutional Deep Belief Networks）：適用於從影象、語音、語句中找出規律。
困難乙個是訓練速度，另乙個就是需要大量的計算力啦，這個成本挺高的，像Google的AlphaGo用了1202個CPU+176個GPU，普通的人和公司也拿不出這麼強的計算力。
2樓：蓋文丁
神經網路 深度學習 機器學習是什麼？有什麼區別和聯絡？
達觀資料 機器學習是指利用演算法和統計模型，而非規則程式設計，使得計算機系統能在某個特定任務上提高表現。人工神經元是一種運算結構，它接收乙個或多個輸入，通過非線性函式變換，得到乙個輸出，而且該非線性函式是在學習過程中可變的。人工神經網路是一些人工神經元組成的網路，其中一些人工神經元的輸出作為另一些人...
深度學習，神經網路中，如何調節weight（以及其原理）？
陳瀚可 半年後的我終於有能力回答我自己沒水準的問題 由於資料集非常大的緣故,在 batch size 比較大的情況下梯度較於平緩.local minimum 實際上已經是乙個很不錯的 solution 了.如果要跳出 local minimum,可以使用 sin 形狀的 learning rate ...
深層神經網路與淺層神經網路相比，有哪些優點？為什麼要發展深度學習？
Ricman 一，區別 在架構上，除了除了輸入層和輸出層之外，神經網路乙個中間層。中間層在國內很多翻譯叫隱藏層。它其它就是乙個編碼器。淺層神經網路的中間層數量較少，雖然有研究表明淺層神經網路可以滿足當下很多的功能與需求，但不可否認的淺層神經網路比較大，引數數量很多。目前業界已經有乙個非常明確的結論 ...