1樓：exodia
最直接的從資料效果來看確實不如DNN，李巨集毅教授的PPT解釋如下：
我對其理解是：thin + tall是讓每個分類模組（hidden layer）承當簡單的分類工作，再通過多個分類模組組合起來形成更複雜的分類功能；
優勢在於：
thin 意味著每個單元只承擔區域性分類工作，只有少量引數，進一步意味著只需要少量資料就可以得到較好的訓練效果;
現在每個分類器的輸入都經過了上個分類模組的處理，得到了更多的資訊，因此效果會更好
初學者，希望我沒理解錯- -！
2樓：風翼冰舟
Hinton老爺子的課程題主可以看看(●●)我記得有提到過DNN的設計可以從廣度和深度上下手，但是前者容易引起一些問題，詳細去Coursera上瞅瞅
3樓：豬了個去
因為增加廣度只是增加了線性空間的維度，性質上更偏向傳統的機器學習。
但現實的問題有時候沒有那麼多線性，深度學習處理的非結構化資料是線性空間解決不了的
當然這兩個也有結合，比如TensorFlow的教程，結合了一下
為什麼要重男輕女，為什麼？
Stunk 簡單說說國內重男輕女的假象 嫁出去的女兒潑出去的水 這是一句俗話，深入人心 現代社會，物質生產跟上來了，女兒們開始反哺原生家庭了，於是也出現了農村地區殺男嬰的故事 先說說古代為何 重男輕女 因為女兒不顧原生家庭 在物質匱乏的古代，生存本來就是一件難事，讓女人來顧家是不可能的 怎麼得出這個...
為什麼那麼焦慮？為什麼那麼勢利？為什麼那麼急於成功？
個人感覺最重要的是人在社會中的安全感。其實真不是每個人都那麼地渴望成功，而且成功的定義本來就是多種多樣的。但在中國，如果你沒有達到廣泛定義上的 成功 你可能會有以下的結果 你可能在城市中會隨時沒有安身之所，你可能會遭受不公但投訴無門，你的父母至親可能患病也得不到最基本救助，你的孩子可能得不到平等的教...
我為什麼是我？為什麼？
主角戲 馬克思說過，人是所有社會關係的總和，所以首先，你作為人來說，你只是你周圍所有關係的總和，你的偏執，你的瘋狂，你的愛情，你的孝順，你的所有人生觀，價值觀，世界觀，宇宙觀，形成了你。但是你錯誤的把這些當成了你，其實這些都是人的錯誤認識，心 的本體，也就是能生萬物，能生萬法的這個東西沒有被發現之前...