人工神经网络和深度学习的定义

人工神经网络算法模拟生物神经网络，是一类模式匹配算法。通常用于解决分类和回归问题。人工神经网络是机器学习的一个庞大的分支，有几百种不同的算法。(其中深度学习就是其中的一类算法，我们会单独讨论)，重要的人工神经网络算法包括：感知器神经网络(Perceptron Neural Network), 反向传递(Back Propagation)， Hopfield网络，自组织映射(Self-Organizing Map, SOM)。学习矢量量化(Learning Vector Quantization， LVQ)

深度学习算法是对人工神经网络的发展。 在计算能力变得日益廉价的今天，深度学习试图建立大得多也复杂得多的神经网络。很多深度学习的算法是半监督式学习算法，用来处理存在少量未标识数据的大数据集。常见的深度学习算法包括：受限波尔兹曼机(Restricted Boltzmann Machine， RBN)， Deep Belief Networks(DBN)，卷积网络(Convolutional Network), 堆栈式自动编码器(Stacked Auto-encoders)。