什么是深度学习 神经网络（深度学习）的几个基础概念

什么是深度学习

普通的神经网络，输入的数据对应一组组的特征值，经过学习，完成分类拟合或预测；深度学习的作用，在于确定给神经网络输入什么特征的值，即用机器完成特征提取，而不需要用其他的方式来人工确定特征，提取特征。

神经网络（深度学习）的几个基础概念

从广义上说深度学习的网络结构也是多层神经网络的一种。传统意义上的多层神经网络是只有输入层、隐藏层、输出层。其中隐藏层的层数根据需要而定，没有明确的理论推导来说明到底多少层合适。而深度学习中最著名的卷积神经网络CNN，在原来多层神经网络的基础上，加入了特征学习部分，这部分是模仿人脑对信号处理上的分级的。具体操作就是在原来的全连接的层前面加入了部分连接的卷积层与降维层，而且加入的是一个层级。输入层 - 卷积层 -降维层 -卷积层 - 降维层 -- .... -- 隐藏层 -输出层简单来说，原来多层神经网络做的步骤是：特征映射到值。特征是人工挑选。深度学习做的步骤是 信号->特征->值。 特征是由网络自己选择。

深度学习中，information representation怎么翻译

information representation
英[ˌɪnfəˈmeiʃən ˌreprɪzenˈteɪʃən]
美[ˌɪnfɚˈmeʃən ˌrɛprɪzɛnˈteʃən]
[释义] 信息表示 （法）
[网络] 信息表达 信息表示(法)
[例句]Stock information representation modeling based on semantic web
的股票信息表示模型