哪些算法涉及深度学习？

Question

到目前为止，我知道深度学习是机器学习的一个子集。我知道一些算法，它的实现像机器学习中的KNN，朴素贝叶斯等。是否有任何特定的算法来表示和实施深度学习？

Answer 1

混合特定ML概念的“算法”，“方法”，“模型”和“实现”的概念是一种常见的错误概念。 ML社区中定义的大多数事物是模型或方法，而不是算法或实现。粗略地说：

• 模型是表示数学方程式/公式的形式实际，真实进程的形式。一个这样的模型可以是最近邻分类器或线性分类
• 方法往往是一个形式接近使用的一些数据（像例如梯度法的找到模型的参数的问题的优化，常常被用来训练ML车型）
• 算法是指令集，经常在显示一种需要，为了做到精确的操作一些伪代码来创建的一些实施给定方法。
• 终于实施是其中之一，特别是一段代码其中实现一些抽象的算法

所以，现在，深度学习只是在ML，这还没有明确的定义，一个笼统的概念，虽然它通常用于涉及模型，涉及数据表示的分层抽象以及培训这些模型的方法。

最常见的DL型号深层神经网络，换句话说神经网络其中有多个（它是多少？的公开辩论，有人说5，其他10或30）非线性隐藏层。一些机型包括：

• 深玻尔兹曼机（DBM）
• 深自动编码器（DAE）
• 深卷积神经网络（DCNN）
• 回归神经网络（RNN）

一般模型可以是深，并且可以有方法，算法为深度学习或实现算法对于深度学习。一些这样的算法是

• 对比发散（CD）这是用来列车DBMS
• 持久Constrastive发散（PCD）

。

Answer 2

深度学习是机器学习的一个子集，灵感来源于人类大脑的工作。它涉及培养大量构建一个模型的神经元，然后使用这个模型预测一些新的观察结果。 深学习有两个类别的学习涉及各种类型的模型（不应该被提到的算法）的如下所述：在监督下即给予大的输入和输出数据集学习：

1. 监督深度学习并训练模型，然后使用这个训练模型来预测新数据观测的输出。 主要有三种类型的深度学习模式

人工神经网络的：用于回归和分类。示例简单文本数据。

卷积神经网络：用于图像分类和计算机视觉。

经常性神经网络：用于时间序列分析和长期短期记忆。从一种语言到另一种语言的翻译示例

无监督深度学习：学习自己。有主要三种型号：

自组织映射：用于特征检测

深玻尔兹曼机：用于推荐系统

自动编码器：用于推荐系统