Deep learning是什么？

最近想利用深度学习预测气体在多孔介质材料（MOF-COF）吸附性能。听到很多ML、DL，但是不知道二者的区别与联系，遂写此文，进行简单总结归纳，方便以后工作的开展。

首先DL属于ML的子集，具体详见图1.

本次重点介绍深度学习（deep learning, DL）

深度学习由浅层学习（shallow  learning,SL）发展而来，SL实际使用的多数是只含有一层隐层节点的浅层模型。SL的最初有BP网络模型发展而来，他们之间的关系详见图2.

DL 模型通常由多层的非线性运算单元组合而成．其将较低层的输出作为更高一层的输 入，通过这种方式自动地从大量训练数据中学习抽象的特征表示，以发现数据的分布式特征。

深度学习的实质是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分 类或预测的准确性．所以，“深度模型”是手段，“特征学习”是目的.区别于传统的浅层学习，深度学习的不同在于 ：

１）强调了模型结构的深度，通常有５层、６层、甚至10多层的隐层节点；

２）明确突出了特征学习的重要性，也就是说，通过逐层特征变换，将样本在原空间的特征表示变 换到一个新特征空间，从而分类或预测更加容易。

参考文献：

徐凯，等.计算机研究与发展.2013,50(9):1799-1804.

刘全，等.计算机学报.2017,41(1):1-27.

张军阳，等.计算机应用研究.2018,35(7):1921-1936