Deep learning

深度學習為目前機械學習最熱門的研究領域之一，有別於以往傳統的機械學習技術深度學習可以提供一有效率的end to end 學習架構，從建構適當的資料代表模型到大型資料分類都可以同時來完成。近年來，基於深層學習的相關技術在語音辨識、電腦視覺、自然語言、社群網路應用等，都可以明顯超越過去在這些領域上的最佳方法。

深度學習底下又有人工神經網路(Aificial Neural Networks）、卷積神經網路（Convolutional Neural Network, CNN）以及循環神經網路（ Recurrent Neural Network,RNN）等等……。

介紹類神經網路之架構，如下：

人工神經網路之架構分為前饋式，以及回饋式網路架構，前饋式網路各層的連結並不會存在迴圈，每一層只接受前一層的輸出為輸入。回饋式網路由於回饋的連結導致有迴圈的存在，與前饋式網路的不同在於，各層的輸出值會在下一次學習時再度回饋，影響本次的輸入，所以回饋式的架構在於數列模擬有比較好的能力。

前饋式網路不會去記憶前一筆的輸入，所以對前饋式而言前後兩筆的輸入資料間是沒有關係的，影響較大的關係為網路權重，相對的，回饋式網路中的前次輸入會影響到下一筆的輸出。