深度学习：自动发现数据表示的强大工具

表示学习是一组方法，允许机器输入原始数据并自动发现用于检测或分类的表示。深度学习方法是多层表示学习方法，通过组合简单但非线性的模块，在每个级别上转换表示（从原始输入开始）到更高的、稍微抽象的级别上获得多个级别的表示。通过足够多的这样的变换组合，可以学习非常复杂的函数。对于分类任务，表示的高层放大了与区分相关的输入方面并抑制不相关的变化。例如，图像以像素值的数组形式呈现，第一层表示中学习到的特征通常表示图像中特定方向和位置的边缘的存在或缺失。第二层通常通过检测特定排列的边缘来发现图案，而不考虑边缘位置的小变化。第三层可以将图案组装成对应于熟悉对象的部分的较大组合，而随后的层将检测对象作为这些部分的组合。深度学习的关键在于这些特征层不是由人工工程师设计的：它们是使用通用学习过程从数据中学习的。