2.2.2 深度学习

深度学习是近些年机器学习领域发展最迅猛的一个分支。由于深度学习的重要影响，号称深度学习三巨头的Geoffrey Hinton、Yann Lecun、Yoshua Bengio获得2018年的图灵奖。

近年来，深度学习在语音、图像、文本等多个领域都有突破性进展，其通过模拟人脑神经连接结构，在处理输入信号时，通过多层网络对数据特征进行抽象，最终得到对数据的理解模型。以图片数据为例，人类视觉系统的处理过程为：目标边缘检测→形状结构初步形成→复杂视觉处理；深度学习与此类似，通过组合浅层特征逐渐计算形成更加复杂抽象的高层特征，最终训练出图像的分层表示方法。

深度学习之所以“深”，是相对于支持向量机、最大熵方法、马尔可夫模型等“浅层学习”算法而言的。浅层学习依靠专家经验提取样本特征，模型学习后是没有层次的单层结构；而深度学习则是通过对原始数据的逐层线性和非线性变换，将原始特征映射到新的高维特征空间，自学习得到多层级特征表示方法，从而更精准地提取数据特征，达到分类或回归的效果。