卷积神经网络与深度学习方法

∪０∪深度学习和神经网络的区别是什么?从广义上讲，深度学习的网络结构也是多层神经网络的一种。
传统意义上的多层神经网络只有输入层、隐层和输出层。 隐层的数量取决于需要，并且没有明确的理论推导来解释多少层合适。
深度学习中最著名的卷积神经网络CNN，在原有的多层神经网络的基础上增加了特征学习部分。 这部分模仿了脑对信号处理的层次。 具体作是在原来的全连接层前面添加一个部分连接的卷积层和一个降维层，增加一级。
输入层-卷积层-降维层-卷积层-降维层-- .--隐层-输出层
简化一下，原来的多层神经网络所做的步骤是：map特征到价值观。 特征是精心挑选的。
深度学习的步骤是信号->函数->值。 功能由网络本身选择。