對深度學習的認識

在《深度學習》一書中，對深度學習的定義是：深度學習演算法是一類基於生物學對人腦的認識，將神經-中樞-人腦的工作原理設計成一個不斷迭代、不斷抽象的過程。
以上的學術性語言的敘述很抽象，並不能明瞭的認識“到底什麼是深度學習？”我認為講得簡單一點就是，深度學習是能夠根據演算法自動的學習，把不計其數的資料放入演算法中，然後系統自動地從海量的資料中學習，讓資料自己說話，提取自己所需要的東西。你不告訴機器一個物體的概念，然後讓它自己去領悟這個物體的特性，就像告訴小孩如何去認識世界。一個典型的基於深度學習的影像識別的例子：Google brain的深度網路自動識別貓特徵，表現出“自我意識”。神經網路通過機器學習的方式，我們不用告訴它“貓長什麼樣子”，它自己能過通過圖片等資料來琢磨出“是什麼是貓，貓長什麼樣子”。
深度學習的網路模型包括卷積神經網路、生成對抗網路、遞迴神經網路等，卷積神經網路最常用。我們生活中隨處可見的人臉識別、車牌識別、醫學影像識別等技術都是深度學習的產物。
學習深度學習需要一定的數學知識基礎如線性代數、概率與統計、微積分等，要想進行更深一步的學習就要認真學習數學並撿起之前遺忘的數學知識。

【參考文獻】張琦，張榮梅，陳彬.基於深度學習的影像識別技術研究綜述[J]，河北省科學院學報,1001-9383(2019)03-0028-09