深度学习-1 （初始深度学习）

神经网络的基础模型是感知机，因此神经网络也可以叫做多层感知机，简称MLP。单层感知机叫做感知机，多层感知机约等于人工神经网络（ANN）

表征学习（representation learning）： 机器能够提取有意义的特征而无需人为干预。经典的例子就是Autoencoder，主要就是由加码器encoder从原始数据提取特征，然后通过解码器decoder利用新的表征来重塑原始数据。
深度学习就是通过一层层的表征学习，每一层的逻辑很简单，提取出的特征也可能是作用很小的，但是之后的没一层可以对前面简单的层的组合来构建更复杂的表征。经典的例子如多层感知机，每个感知机的数理逻辑都很简单，层内可以并行执行，层间顺序执行，通过层层叠加实现更复杂的逻辑。深度学习中的深可以理解为通过更多层来结合出更复杂的逻辑，这就完成了从输入到内在层表征再由内在层表征到输出的映射。