機器學習中有個分支讓人工智慧後期能夠快速成長，那就是深度學習。所謂的深度學習就是人類神經網路的行進方式，最常見的深度學習包括，層感知器、深度神經網路、卷積神經網路、遞迴神經網經網路等。
深度學習要模仿人腦其實起初是非常困難的，人腦重達一公斤多且結構非常複雜，而且人腦中也多達860億個神經元以及超過100兆條的神經相連，這規模連最先進的超級電腦都比不上。為了模擬做工繁雜的人腦，深度學習將神經元分為多層次來模擬神經網路。結構通常為各一個的輸入輸出層，而隱藏層可能會有非常多，所以稱為深度學習。
在深度學習中，第一波熱潮代表的就是類神經網路，在此過程中啟發了人工智慧領域有關類神經的研究，也知道神經系統是由神經元組成，彼此之間是透過電流傳遞訊，為了模擬神經元，科學家設定激發函數，而後來因為須具備多層的神經網路床書方法效能不佳，而開始一蹶不振，這稱之為梯度消失。第二波熱潮則是淺層機器學習，現階段的模型大多應用到三層，以避免計算效率出現問題。
參考文章：
http://tensorflowkeras.blogspot.com/2017/06/blog-post_15.html
iThome鐵人賽
看影片追技術