深度学习的最终目标是:
通过学习多层次的表示,实现复杂问题的建模和解决。
具体来说:
i、自动学习特征
深度学习可以自动学习关键的高级特征,而不需要人工设计特征。
这是通过多层神经网络实现的。
ii、建立复杂映射
深度学习可以学习非线性和高维的映射关系,用于建模实际世界的复杂性。
iii、端到端学习
深度学习可以端到端地学习任务,避免人工设计中间表示。
iv、泛化能力强
深度网络可以泛化到未见过的数据上,具有很好的预测能力。
v、解决复杂问题
通过上述优点,深度学习可以解决视觉、语音、NLP等复杂问题。
总的来说,深度学习的主要目标是:
- 自动学习关键特征
- 建立复杂的高维映射
- 端到端地学习任务
- 提高泛化能力
- 解决复杂问题
这主要是通过:
- 多层表示(多层网络)
- 非线性转换(激活函数)
- 端到端学习(输入到输出)
- 数据驱动(大量数据)