模式识别与深度学习

首先来明晰概念：

模式识别（英语：Pattern recognition），就是通过计算机用数学技术方法来研究模式的自动处理和判读。

深度学习（英语：deep learning）是机器学习的分支，是一种以人工神经网络为架构，对资料进行表征学习的算法。

——引自维基百科

显而易见，模式识别是一个以计算机技术为基础框架，深度学习是实现该框架的算法之一。阅读论文后查看教材，发现目录之中有“线性分类器”、“非线性分类器”、“监督学习”等隶属于深度学习的实现方法，而且还占据了不小的篇幅，可见深度学习在模式识别的实现中起着关键性的作用。

一方面，在现代社会，追求方便快捷的生活、工作方式已经成为了主流，人们希望让计算机去代替我们实现重复机械的劳动，从而可以从繁琐枯燥的工作中解放双手；另一方面，计算机在工作时不会带入自己的主观因素，加上其依据电子线路构建的快速反应网络，使其拥有无可匹敌的效率与准确度，并且在工作时比人更加可靠。正是这些优点使得人们更加热切的让计算机像人类一样去做一些事情，这就是机器学习的兴起缘由，在此基础上，人们提出了很多的构思来实现这一目标，模式识别便是其中的一种非常重要且成熟的框架。

人类能感知外部世界依据的是五感，获取信息最直接最丰富的感觉是视觉，其次是听觉，计算机能“感知”世界依据的是各种外接传感器，模式识别就是计算机模拟人类，将传感器反馈的信息进行处理后再给出一个相应的“动作”，这个“动作”也许是返回一串字符以报告其处理结果，也许是打开某一报警器以引起人们的注意，这是人们提出这一构思时想要达到的效果，然而，人类觉得顺理成章能够达成的事情在计算机看来就是一道无法逾越的天堑，比如人类能理所当然的说出下面这幅图片中的花不是真正的花，而是人工制品，但对于计算机而言想要仅仅依靠这样一副位图就作出如此判断实属不易。

人类是如何做到这一点的呢？答案是经验的累积——以前学习（这里的学习不单单指学习知识，而是更加广泛地去理解事物）所累积的经验作为我们判断的依据，让我们不仅能够分辨出这幅图里的物体是“花”，还能通过它的光泽、质感判断其真假。深度学习便就是仿照人类的认知机理，从海量正确信息中提取出它们共同的特征，以便于再次处理陌生场景时调用（也许还会进行修正），总之，就是为不同的模式建立不同的模型，在进行模型使用的过程中进一步调整优化以期更加适用于复杂场所（就是指容错率更高）。

模式识别与深度学习涉及到的知识面很广，涵盖图形图像学、信号处理、计算机视觉等多个方面，想要深入了解的难度肯定也不小，需要扎实的基础，就像数学分析、线性代数、光学物理、材料学就是很重要的基础工具，本人自觉不堪重负，溜了溜了~

参考

AI，机器学习（模式识别），深度学习的区别与联系: https://blog.csdn.net/u010665216/article/details/77945386

深度学习在模式识别中的应用: https://wenku.baidu.com/view/59e6a32d3d1ec5da50e2524de518964bce84d239.html