《深度学习》，此词条收录于01/21，仅供参考
深度学习（Deep Learning），是机器学习的分支，是指使用多层的神经网络进行机器学习的一种手法，它学习样本数据的内在规律和表示层次，最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习中的深度指的是神经网络的层数。深度一般超过8层的神经网络叫深度学习。含多个隐层的多层学习模型是深度学习的架构。深度学习可以通过组合低层特征，形成更加抽象的高层以表示属性类别或特征，从而发现数据的分布式特征表示。
深度学习广泛应用在自然语言处理、语音识别与合成、图像处理、计算机视觉和音乐处理等方面，搭配TensorFlow、PyTorch、飞桨和Keras等技术框架，按无监督学习可包括受限波尔茨曼机（RBM）、深度置信网络（DBN）、深度自编码网络（Deep Autoencoder，DA）等；按监督学习可包括卷积神经网络（CNN）、深度堆叠网络（DSN）、递归神经网络（Recurrent Neural Networks，RNN）等；按半监督学习模型有积神经网络（Sum-product Network，SPN）等。
深度学习提供了一种让计算机进入自动学习模式的特征方法，将特征学习融入模型建立的过程中，从而减少了人为设计特征所造成的不完备性。但同时由于数据量有限，深度学习算法无法对数据的规律进行无偏差的估计。为了获得更高的精度，需要借助大数据支持。
