算法

在計算能力變得日益廉價的今天，深度學習試圖建立大得多也復雜得多的神經(jīng)網(wǎng)絡，我們可以把算法理解為深度學習的神經(jīng)網(wǎng)絡或是計算思維，這種神經(jīng)網(wǎng)絡越復雜，捕捉到的信號就越精確，目前比較常見的算法包括深度信念網(wǎng)絡（Deep Belief Networks）、卷積神經(jīng)網(wǎng)絡（ConvolutionalNeural Networks）、受限玻爾茲曼機（Restricted BoltzmannMachine）和堆棧式自動編碼器（Stacked Auto-encoders），以深度卷積神經(jīng)網(wǎng)絡為代表的監(jiān)督學習方法目前來說是最有效也是使用最多的。

數(shù)據(jù)

如今深度學習正迅速成為高級數(shù)據(jù)分析領域的熱門話題，而數(shù)據(jù)的絕對量是促進深度學習工具和技術發(fā)展的一個關鍵因