深度學習
深度學習（deep learning），機器學習分支也。是者以人工神經網絡為體，所謂深度，蓋謂網絡層級之多耳。[一][二][三][四]昔者有論，線性感知機不可為普適分類器。然，是者若非線性，隱層廣度無極，則可為普適分類器矣。
其學之要，在數據之表徵。譬如一圖，可以光點之明暗為數列之，亦可凝為諸邊、形域之象。然以法度之表徵，則於如面容辨識、情態察鑑之學易矣。其利在以不待師者之法，代人力而索其徵，層遞徵索，此法甚善。[五]
今者，深度學習框架已有多方，若深度神經網絡、卷積神經網絡、深度置信網絡、循環神經網絡之屬，咸施於計算機視覺、語音識辨、自然語言處理、生物信息之學諸方，成效卓著。凡此種種，皆彰其妙用也。
據
[纂]- ↑ Bengio, Yoshua. -{R|Learning Deep Architectures for AI}- (PDF). Foundations and Trends in Machine Learning. 2009, 2 (1): 1–127. （原文 (PDF)存卷於2016-03-04）.
- ↑ Bengio, Y.; Courville, A.; Vincent, P. -{R|Representation Learning: A Review and New Perspectives}-. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2013, 35 (8): 1798–1828. arXiv:1206.5538
.
- ↑ Schmidhuber, J. -{R|Deep Learning in Neural Networks: An Overview}-. Neural Networks. 2015, 61: 85–117. arXiv:1404.7828 . doi:10.1016/j.neunet.2014.09.003.
- ↑ Bengio, Yoshua; LeCun, Yann; Hinton, Geoffrey. -{R|Deep Learning}-. Nature. 2015, 521: 436–444.
- ↑ Song氏（名H.A.）、Lee氏（名S. Y.）《Neural Information Processing》〈Hierarchical Representation Using NMF〉466–473。其八千二百二十六，Springer Berlin Heidelberg以二〇一三年刊之，doi: 10.1007/978-3-642-42054-2_58，ISBN 978-3-642-42053-5。
