理工酷

机器学习、深度学习和神经网络有哪些不同的使用领域？深度学习之后的下一步会是什么?

请先看下图。 用例是对实际使用该流程或系统的人将如何实现目标的描述。所以，让我们根据你的问题解释一些专有名词。 首先，深度学习就是机器学习。人工神经网络与深度学习模型相同，但有一点需要注意，深度学习模型有更多的隐藏层。传统的模型不是人工神经网络或深度学习模型，而是机器学习模型。 好的，回到实际的例子。

传统机器学习模型的用例是什么?

• 建模结构化数据集

深度学习模型的用例是什么?

• 计算机视觉（CV）
• 自然语言处理（NLP）

如前所述，深度学习其实是非常肤浅的。深度学习通过很多参数和数据来得到一个系统的近似值。通过将其与其他技术相结合，深度学习可以变得不那么肤浅。例如，深度学习可以被分解为几个子问题，而不是使用一个大型的神经网络来处理一个问题，每个子问题都有一个更小、更集中的神经网络或其他一些机器学习算法。这将是一个更大的系统的一部分，该系统还可以整合其他技术，如知识库、逻辑操作、对物理学的理解(所以像“重”和“碰撞”这样的词将不仅仅是概念)。 这将更好地模拟人类智能，并允许将复杂的问题划分为简单的问题，然后可以通过特定的方法独立改进这些问题。