深度学习，我起初对其感觉既陌生又熟悉；陌生的是我完全不懂它背后的数学原理，熟悉是深度学习炒的太火，你不想知道都不可能；换句话说我脑海中没有建立深度学习的大树，只有硬生生的“深度学习”这个词。而本文我想简单介绍一下我通过学习之后建立起的深度学习的简单树，而这个所谓的树指的是机器学习、深度学习、神经网络之间的一些关系。

  首先我想简单介绍一下，人工智能（Artificial Intelligence : AI）、机器学习（Machine Learning）、深度学习(Deep Learning)之间的关系。请看一下下图（引用http://tech.163.com/16/0907/07/C0BHQND400097U80.html），初步了解这三者的关系。

  从上图可知，人工智能包括了机器学习，而机器学习又包括了深度学习；同时我们可以根据下面的时间序列看出整个人工智能的发展历程。我们的重点在于深度学习，具体的人工智能与机器学习需要阅读更多文献，在此就不在深入探讨。

  深度学习、人工神经网络（Artifical Neural Network : ANN)两概念是互相交叉，因为深度学习的概念源于人工神经网络，因为神经网络的网络层的不断提取特征才形成了具有深度的model，而在这个model里面一些参数从最初的随机设定的值通过不断的学习是的这些值不断趋于使得代价函数（可以理解为与目标的距离）最小化的某个值。如果非得说出一个关系，个人认为是深度学习是人工神经网络的发展，而深度学习算法中目前最火的必然是卷积神经网络（Convolutional NeuralNetwork : CNN）。

总结（个人理解）

  人工智能：实现计算机对人的意识、思维等信息的模拟过程，实现计算机能够模拟人的意识去完成相关任务或事情。

  机器学习：计算机通过获得的数据利用数学、统计学、概率论等相关知识建立相关模型去模拟或者学习，使得结果与目标不断接近。机器学习是人工智能的核心。

  深度学习：使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象（构成深度）的算法，深度学习是机器学习的分支。

  人工神经网络：利用计算机通过数学方法模拟人类神经网络的，通过不断迭代过程进行不断学习的算法。

  卷积神经网络：一种神经网络模型，具有卷积层与池化层；在大型图像处理中得到较好的效果，这也就是本人为甚要对其进行研究的原因（将其运用在图像分类中）