正文

深度学习（DL，Deep Learning）是机器学习（ML，Machine Learning）的一个研究方向，他被提出使得机器学习更接近于最初的目标～～人工智能。

谈到深度学习，必先首先要了解一个概念，就是神经元，神经元是由输入X经过假设函数H(X然后输出预测值Y的一个功能单元，结构如下。

一个神经元可以实现一定简单线性问题。但是要实现一个非线性的问题，就需要使用多个神经元了，不同的神经元组合成了不同的非线函数。

深度学习一般采用深度神经网络（DNN）来实现自己的函数拟合，一般的结构是一个输入层、一个输出层以及多个隐藏层构成的。隐藏层数量越多，他的功能越强大。深度神经网络结构如下：

深度学习的应用也是比较广泛的，比如搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习等等方面。采用深度学习也可以实现自己的一些算法模型，比如说图片识别，最简单的就是就是多分类的问题。输出层采用适当的激活函数实现多分类问题。或者也可以实现数字的手写识别等等。

卷积神经网络模型

在使用文字识别或者数字识别或者图片分类识别的时候，一般都会采用卷机神经网络层次，然后进行池化层，然后再卷机之后再池化，然后经过几个线性层的全联接然后输出分类。加上适当的激活函数、输出的分类函数以及以及适当的优化函数（一般采用交叉熵来做）。

这篇文章简单的介绍一下深度学习的构成以及描述了如何实现一个分类的问题。深度学习的重点是输入层的特征提取以及设置初始的参数，还有就是激活函数问题。