李开菊　郑波尽

摘要：深度学习是机器学习研究中一个新的领域，它是机器学习中神经网络的发展。深度学习的主要目的在于模拟人脑进行分析与学习，希望计算机也能像人脑一样会学习。本文首先介绍深度学习产生的原因，然后分析深度学习产生的理论依据。之后简单介绍深度学习训练深层神经网络的基本过程，最后总结当前存在的问题以及发展的方向。

关键词：深度学习；神经网络；机器学习

中图分类号：TP181 文献标识码：A DOI：10.3969/j.issn.1003 6970.2016.05.020

本文著录格式：李开菊，郑波尽.浅谈深度学习[J].软件，2016，37（5）：81-83

0.引言

现在大多数分类和回归学习方法都为浅层结构算法，其局限性在于有限样本和计算单元情况下对复杂函数的表示能力有限，针对复杂分类问题其泛化能力受到了一定制约。深度学习模型采用了与神经网络相类似的分层结构，其模型由输入层、隐藏层（含多层）、输出层组成的多层神经网络构成，在模型中只有相邻层节点之间相互连接，位于同一层的节点之间相互没有连接，模型中的每一层都可以看做是一个逻辑回归模型。深度学习可通过学习一种深层非线性网络结构，实现复杂函数逼近，表征输入数据分布式表示，并且具有从少数样本中学习到数据本质特征的能力。从早期的浅层结构模型到现在的深度学习模型经过了将近十几年的发展。所以，本文将简单的介绍深度学习产生的原因以及产生的理论依据，然后介绍深度学习模型的基本训练过程，最后进行总结以及分析未来的发展方向。……