人工神经网络算法解析：感知器、反向传递与深度学习的应用与发展
https://img2.baidu.com/it/u=3549953088,2318124578&fm=253&fmt=JPEG&app=120&f=JPEG?w=800&h=848人工神经网络算法对生物神经网络进行模拟，它属于一类模式匹配算法。一般会被用于解决分类和回归方面的问题。人工神经网络是机器学习里一个很庞大的分支，存在着几百种不同的算法。（其中深度学习是这类算法中的一种，我们会单独进行讨论），重要的人工神经网络算法包含：感知器神经网络。
反向传递（Back）作用于网络，以及自组织映射（Self-Map, SOM）。同时，学习矢量量化（，LVQ）也在其中发挥作用。
深度学习
https://img1.baidu.com/it/u=3076469836,3205203606&fm=253&fmt=JPEG&app=138&f=JPEG?w=500&h=653
深度学习算法是人工神经网络的发展。近期它赢得了很多关注。百度开始发力深度学习后，在国内引起了很多关注。在计算能力日益廉价的今天，深度学习试图建立大且复杂得多的神经网络。很多深度学习算法是半监督式学习算法，用于处理存在少量未标识数据的大数据集。常见的深度学习算法包含：受限波尔兹曼机，其英文为 RBN；还有 Deep 相关的算法，如 DBN；以及卷积网络；以及堆栈式自动编码器，英文为 Auto-。
页:
[1]