深度神经网络与其他神经网络有何不同？

具有“深度”形容词的神经网络实际上与其他类似网络有何区别？

neural-networks machine-learning deep-network terminology comparison

— Kenorb
source

不同之处主要在于层数。

长期以来，人们认为“ 1-2个隐藏层足以完成大多数任务”，并且不愿意使用更多隐藏层，因为训练神经网络可能对计算有很高的要求。

如今，计算机的功能越来越强大，因此人们开始使用具有更多层的网络，并且发现它们在某些任务上工作得很好。

此处的“较深”一词仅是要将这些网络与传统的“较浅”网络区分开来。

— 分解潜伏者
source

如果我正确理解了“深度学习”，则可以将某些参数（权重）联系在一起，从而减少了参数空间。普通的NN无法做到这一点。

— 拉斐尔

@Raphael，回复：some parameters (weights) that are tied together, thus reducing the parameter space，您是指卷积神经网络吗？

— publicgk

@publicgk这就是我所看到的，是的。

— 拉斐尔

我一直听到“深度学习”是在使用非常大的数据集时。这是一个错误，数据的大小无关紧要吗？还是人们将深度学习与庞大的数据集相关联，因为这是培训所必需的。

— 史蒂芬·萨贡纳

我想指出的是，这种“相信”的事实是只有1个隐藏层的神经网络就可以计算任何功能（请参见例如Neuronetworksanddeeplearning.com/chap4.html）。我认为您应该多解释一下为什么“方便”超过1个隐藏层。

— nbro

深度神经网络只是具有许多层的（前馈）神经网络。

但是，深层信念网络，深层Boltzman网络等不被视为（可辩论的）深层神经网络，因为它们的拓扑结构是不同的（它们在拓扑结构中具有无向网络）。

— 黎明33
source