深度學習，我起初對其感覺既陌生又熟悉；陌生的是我完全不懂它背後的數學原理，熟悉是深度學習炒的太火，你不想知道都不可能；換句話說我腦海中沒有建立深度學習的大樹，只有硬生生的「深度學習」這個詞。而本文我想簡單介紹一下我通過學習之後建立起的深度學習的簡單樹，而這個所謂的樹指的是機器學習、深度學習、神經網路之間的一些關係。
首先我想簡單介紹一下，人工智慧（artificial intelligence : ai）、機器學習（machine learning）、深度學習(deep learning)之間的關係。請看一下下圖（引用初步了解這三者的關係。
從上圖可知，人工智慧包括了機器學習，而機器學習又包括了深度學習；同時我們可以根據下面的時間序列看出整個人工智慧的發展歷程。我們的重點在於深度學習，具體的人工智慧與機器學習需要閱讀更多文獻，在此就不在深入**。
深度學習、人工神經網路（artifical neural network : ann)兩概念是互相交叉，因為深度學習的概念源於人工神經網路，因為神經網路的網路層的不斷提取特徵才形成了具有深度的model，而在這個model裡面一些引數從最初的隨機設定的值通過不斷的學習是的這些值不斷趨於使得代價函式（可以理解為與目標的距離）最小化的某個值。如果非得說出乙個關係，個人認為是深度學習是人工神經網路的發展，而深度學習演算法中目前最火的必然是卷積神經網路（convolutional neural network : cnn）。
總結（個人理解）
深度學習：使用包含複雜結構或由多重非線性變換構成的多個處理層對資料進行高層抽象（構成深度）的演算法，深度學習是機器學習的分支。
人工神經網路：利用計算機通過數學方法模擬人類神經網路的，通過不斷迭代過程進行不斷學習的演算法。
卷積神經網路：一種神經網路模型，具有卷積層與池化層；在大型影象處理中得到較好的效果，這也就是本人為甚要對其進行研究的原因（將其運用在影象分類中）
基於深度學習的遙感艦船目標檢測 構思
ssd 資料擴增 tta單圖多測 旋轉框結合fpn 重新設計先驗框尺度 改進損失函式 原始ssd檢測，在原始ssd上修改 oriented ssd 基於kaggle的資料集，基於ssd，斜框檢測。21st solution 基於kaggle的資料集，基於mask rcnn，有講解。yolo v3 基...
基於深度學習的NER
命名實體識別 ner 是在自然語言處理中的乙個經典問題，其應用也極為廣泛。比如從一句話中識別出人名 地名，從電商的搜尋中識別出產品的名字，識別藥物名稱等等。傳統的公認比較好的處理演算法是條件隨機場 crf 它是一種判別式概率模型，是隨機場的一種，常用於標註或分析序列資料，如自然語言文字或是生物序列。...
機器學習,以及深度學習產生背景
1,rule based 最開始,全部認為的去分析資料,從資料處理到資料分析到最後出結果全部人工,中間可能會借助一些工具 2,機器學習 前期特徵提取階段靠人工,稱之為特徵工程,後期資料分析比如決策靠機器靠演算法.優點 節省了大量人力,而且機器準確度比人為高 缺點 任然依靠人工構建特徵工程,特徵選擇任...