探討了人工神經(jīng)網(wǎng)絡(luò)在鋁合金電阻點焊中的應(yīng)用。2. 本文主要討論了數(shù)據(jù)挖掘中的數(shù)據(jù)準(zhǔn)備和人工神經(jīng)網(wǎng)絡(luò)參數(shù)。3. 簡要介紹了人工神經(jīng)網(wǎng)絡(luò)及其在近紅外光譜分析中的應(yīng)用。神經(jīng)網(wǎng)絡(luò)的英文翻譯？一張圖片顯示了這種

探討了人工神經(jīng)網(wǎng)絡(luò)在鋁合金電阻點焊中的應(yīng)用。

2. 本文主要討論了數(shù)據(jù)挖掘中的數(shù)據(jù)準(zhǔn)備和人工神經(jīng)網(wǎng)絡(luò)參數(shù)。

3. 簡要介紹了人工神經(jīng)網(wǎng)絡(luò)及其在近紅外光譜分析中的應(yīng)用。

神經(jīng)網(wǎng)絡(luò)的英文翻譯？

一張圖片顯示了這種關(guān)系。機器學(xué)習(xí)是人工智能的重要領(lǐng)域之一，而深度學(xué)習(xí)是機器學(xué)習(xí)的一個分支。深度學(xué)習(xí)之所以近年來流行起來，是因為它突破了傳統(tǒng)機器學(xué)習(xí)無法解決的一些問題。

機器學(xué)習(xí)的意義在于代替人工完成重復(fù)性工作，識別出統(tǒng)一的規(guī)則（模式）。但是對于傳統(tǒng)的機器學(xué)習(xí)來說，特征提取的難度不?。ㄌ卣骺梢允窍袼亍⑽恢?、方向等）。特征的準(zhǔn)確性將在很大程度上決定大多數(shù)機器學(xué)習(xí)算法的性能。為了使特征準(zhǔn)確，在特征工程部分需要大量的人力來調(diào)整和改進特征。完成這一系列工作的前提是，數(shù)據(jù)集中所包含的信息量是充分的，并且易于識別。如果不滿足這一前提，傳統(tǒng)的機器學(xué)習(xí)算法將在信息的雜亂中失去其性能。深度學(xué)習(xí)的應(yīng)用正是基于這個問題。它的深層神經(jīng)網(wǎng)絡(luò)使它能夠在雜波中學(xué)習(xí)，自動發(fā)現(xiàn)與任務(wù)相關(guān)的特征（可以看作是自發(fā)學(xué)習(xí)的特征工程），并提取高級特征，從而大大減少了特征工程部分任務(wù)所花費的時間。

另一個明顯的區(qū)別是他們對數(shù)據(jù)集大小的偏好。傳統(tǒng)的機器學(xué)習(xí)在處理規(guī)則完備的小規(guī)模數(shù)據(jù)時表現(xiàn)出良好的性能，而深度學(xué)習(xí)則表現(xiàn)不好。隨著數(shù)據(jù)集規(guī)模的不斷擴大，深度學(xué)習(xí)的效果會逐漸顯現(xiàn)出來，并變得越來越好。對比如下圖所示。