深度学习（Deep Learning or Feature Learning）

• 在神经网络基础上发展而来的表示学习方法，一种对特征的表示

• 主要深度神经网络（Deep Neural Network）学习模型

• • 卷积神经网络（CNN）

  • 循环神经网路（RNN）

  • 生成对抗网络（GAN）

  • 深度增强学习（DRL）

• 核心思想：构建分层的表示学习结构，使用一系列非线性变换操作，把原始数据中提取到的简单特征进行组合，得到更高层、更抽象的特征表示。例如文本理解，在浅层学习字词，中层学习句子，高层学习段落。

• 深度的优势

• • 从原始数据中自动学习特征与特征的表示，只依赖非常少量的人工先验知识

  • 便于特征迁移，适用于更复杂的实际问题

• 为什么要“深度”？

• • 更多层的非线性变换嵌套

  • 在神经元（参数）数量相同的情况下，深层网络结构具有更大的容量，具有更庞大的表示空间

  • 多层折叠

• NN的结构设计决定了它的功能