如何简单的介绍深度学习(深度学习八种方法)

1、 (1)基于卷积运算的神经网络系统，即卷积神经网络(CNN)。 (2)基于多层神经元的自编码神经网络，包括自编码( Auto encoder)以及近年来受到广泛关注的稀疏编码两类( Sparse Coding)。 (3)以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络(DBN)。

3、 (1)强调了模型结构的深度，通常有5层、6层，甚至10多层的隐层节点； [4](2)明确了特征学习的重要性。 也就是说，通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更容易。 与人工规则构造特征的方法相比，利用大数据来学习特征，更能够刻画数据丰富的内在信息。

5、 近年来，有很多新型的机器学习技术受到人们的广泛关注，也在解决实际问题中，提供了有效的方案。 这里，我们简单介绍一下深度学习、强化学习、对抗学习、对偶学习、迁移学习、分布式学习、以及元学习，让大家可以明确机器学习的方向都有哪些，这样再选择自己感兴趣或擅长的研究方向，我觉得这是非常理智的做法。

2、 深度学习是什么？深度学习是机器学习领域中对模式（声音、图像等等）进行建模的一种方法，它也是一种基于统计的概率模型。 在对各种模式进行建模之后，便可以对各种模式进行识别了，例如待建模的模式是声音的话，那么这种识别便可以理解为语音识别。

4、 简单来说，机器学习是实现人工智能的方法，深度学习是实现机器学习的技术。