深度学习(deep learning)和神经网络(neural network)的区别

神经网络和深度学习都是能够进行模式识别的机器学习算法；然而，两者之间有很大的区别。神经网络需要专家大量手动调整才能正常工作，而深度学习算法可以通过使用多层处理自动调整自身。这就是深度学习如此强大的原因，它能够在没有人为干预的情况下自主学习。...

神经网络和深度学习都是能够进行模式识别的机器学习算法；然而，两者之间有很大的区别。神经网络需要专家大量手动调整才能正常工作，而深度学习算法可以通过使用多层处理自动调整自身。这就是深度学习如此强大的原因，它能够在没有人为干预的情况下自主学习。

什么是深度学习(deep learning)？

深度学习是基于人工神经网络的机器学习的一个分支。神经网络用于学习数据表示和做出预测，它们由多层互连节点或神经元组成。深度学习网络与传统神经网络的区别在于其深度，即网络中隐藏层的数量。深度学习通过向机器提供大量数据并让它们自己发现模式，让机器学习复杂的任务。

什么是神经网络(neural network)？

神经网络是一种计算机系统，旨在模拟人脑的工作方式。神经网络由大量相互连接的处理节点或神经元组成，它们可以学习识别输入数据的模式。神经网络用于多种任务，包括面部识别、语音识别和手写识别。神经网络的主要优势是从经验中学习的能力。为了训练神经网络，数据被输入系统，网络逐渐“学习”识别数据中的模式。输入系统的数据越多，神经网络就越准确。神经网络的另一个优点是其灵活性。与设计用于执行特定任务的传统计算机系统不同，神经网络可以被训练来执行多个任务。

深度学习(deep learning)和神经网络(neural network)的区别

深度学习是机器学习的一个子集，其中算法能够从数据中学习、识别模式并做出预测。神经网络是一种以大脑为模型的深度学习算法，可以学习识别输入模式。深度学习是一个相对较新的领域，神经网络是最流行的深度学习算法之一。深度学习和神经网络之间有很多区别，但最重要的区别是，深度学习算法可以学习从数据中提取可用于预测的特征，而神经网络只学习识别数据中的模式。这意味着深度学习算法有可能比神经网络更准确。

结论

深度学习是机器学习的一个子集，它利用神经网络从数据中学习。神经网络由许多相互连接的处理节点或神经元组成，它们可以学习识别输入数据的模式。深度学习算法能够自动调整网络中神经元的数量和配置，以便在接收更多训练数据时提高任务性能。这允许深度学习模型“学习”如何执行复杂任务，例如识别图像中的对象或以高精度理解自然语言文本。