1.1.2　与传统的“浅层学习”的区别

首先介绍深度学习与浅层学习的区别。从前面对深度学习的解释和介绍来看，深度学习区别于传统的浅层学习，深度学习的不同在于：

（1）强调了模型结构的深度，通常有5层、6层，甚至上百层的隐层节点。

（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。

（3）通过设计建立适量的神经元计算节点和多层运算层次结构，选择合适的输入层和输出层，通过网络的学习和调优，建立起从输入到输出的函数关系，即使不能100%找到输入与输出的函数关系，但是可以尽可能地逼近现实的关联关系。使用训练成功的网络模型，就可以实现我们对复杂事务处理的自动化要求。