深度学习概述：当你没有方向时的加油站

机器学习：一个老生常谈的问题，在深度学习的出现下，机器学习开启了一个新的时代，人工智能好像也离我们越来越近，大致梳理一下深度学习的内容，初学可以做知识网络去学习，学会者可以用来查漏补缺。
深度学习是计算深度大于二的运算结构，计算深度在这里可以理解为 f（ax+b）其中f是一个非线性函数。

深度学习因为分类要素不同可以分成不同的集合，从学习的内容上来分可以分为：
贝叶斯网络：例如各类分类网络，softmax结构的网络等
马尔可夫网络：用于学习分布，例如GAN

按照学习的过程分为:
前馈网络：CNN，FN等
反馈网络：RNN

类似的分类还有很多，不一一列举

深度学习的算法：
常见主流算法：RBM，深度信念网络（过时了，但是很出名），CNN，RNN（lstm），GAN等。
其他GRU之类的因为新颖性和代表性不足不列出，如有其他遗漏欢迎补充。

主要方向：
现在基本啥都能和AI扯上关系，所以真要分清楚真的很难，大致列举一些：
计算机视觉：目标检测，ocr等
自然语言处理：情感分析，文本归类等
语音识别
知识图谱
深度强化学习：这其实是一个交叉学科，我还看过有人将强化学习直接放到深度学习中，我认为这种方法有些欠妥。

研究方向：
优化算法效果，加快算法速度是老生常谈的，除此之外还有：
元学习
零样本学习
改进或者完全改掉BP网络
甚至有文章阐明大算力的需求可能源于图灵机本身的限制

生成算法：
VAE
GAN

有时间接着补充。
---------------------
作者：破晓带来者
原文：https://blog.csdn.net/poxiaodailaizhe/article/details/86598015