“深度学习”和“多层神经网络”的区别

我尽量表述简单明了一些 如果只是普通的理解的话，两者意义几乎一致的，都是实际人工智能的一种方式。 作为专业的话，“多层神经网络”指的是一种架构，层次。而深度学习只是这种架构要实现的目的。

一样 。。。。。。。。。

深度学习是一种学习方式，指的是采用深度模型进行学习，不是模型。多层神经网络是一种模型。多层神经网络只要够深就能称为深度模型。但是深度模型不止只有够深的多层神经网络一种，还有 DBM、DBN 等图模型，...

深度学习是深度神经网络。神经网络在九几年就很火了，之后因为没法解决多层网络，梯度消失的问题，一度被svm的性能超越。直到2012年hinton提出rbm，深度神经网络才兴起

深度学习与浅层学习的思维活动有很大的不同。 深度学习，调动抽象思维能力。 浅层学习，只是调动了形象思维。

烽火戏诸侯。

简单一句话。 深度学习是多层的神经网络。

深度学习的概念是让计算机从经验中学习，并根据层次化的概念体系来理解世界。 而神经网络，可以理解为只是一种实现深度学习的算法。 严格意义上不能将两者等同，但是现在神经网络好像也是唯一的手段.....

这要说梯度的意义了。梯度是一个向量，对应方向导数取得最大值的方向，也就是函数增长最快的方向，梯度的反向，就是函数下降最快的方向。要求最小值，自然可以用梯度下降法来求。

介绍深度学习就必须要介绍神经网络，因为深度学习是基于神经网络算法的，其实最开始只有神经网络算法，上文也提到2006年Geoffrey Hinton老爷子提出了Deep Learning，核心还是人工神...