• 前導介紹
  說到深度學習，
  首先需要了解什麼是類神經網路和它的操作方法。
  類神經網路，顧名思義就是仿造人類的神經而去打造而成的演算法，
  讓其能夠透過像是神經傳導一樣接收和傳遞資料。

如下圖所示
左邊為人類神經的傳遞方法，右邊則是類神經網路的對照

由圖可知，這個原理即是先接收資料並透過函式將其轉換為輸出值，
並以輸出值來判斷資料。

然而這個只是人工智慧的其中一部份，也不完全等於機器學習，而是他們的一部分。

Artificial Intelligence：The ability of a machine to imitate intelligent human behavior.
Machine Learning：Algorithms whose performance improve as they are exposed to more data over time.

人工智慧只是泛指機器模仿人類的行為的能力，而機器學習則是透過演算法將其實現的一種方式。

既然已經理解了類神經網路，就可以再進一步地提到深度神經網路了。

左邊是非常單純的神經網路，輸入的data僅經過一層隱藏層就可以獲得output了，
然而當資料的複雜度變高，中間的隱藏層也會變多，經過多次的演算後才能夠獲得相對準確的output。

而這個將演算的結果再次進行運算的過程我們稱之為深度學習。

由於硬體須可以承受高效能的運算，也需要能夠套用的演算法和大量的資料，因此深度學習在近期才開始大為流行。

以下為三種深度神經網路的圖解 >>

Convolutional Neural Networks (CNNs)

Recurrent Neural Networks (RNNs)

Generative Adversarial Networks (GANs)

下一篇 Machine Learning 的簡介