神经网络与深度学习第1章：绪论 阅读提问

1. 神经网络和深度学习是等价的吗？
并不等价，深度学习可以采用神经网络模型，也可以采用其他模型（比如深度信念网络）
2. 浅层学习和深度学习的主要区别是什么？
浅层学习的一个重要特点是不涉及特征学习，其特征主要靠人工经验或特征转换方法来抽取，而深度学习模型可以自动抽取特征
3. 什么是表示学习？什么是好的表示？有哪些表示方法？
为了提高机器学习系统的准确率，我们就需要将输入信息转换为有效的特征（比如word embedding），或者更一般性地称为表示（Representation）．如果有一种算法可以自动地学习出有效的特征，并提高最终机器学习模型的性能，那么这种学习就可以叫作表示学习
表示学习的关键是解决语义鸿沟（Semantic Gap）问题．语义鸿沟问题是指输入数据的底层特征和高层语义信息之间的不一致性和差异性。举个例子，计算机是无法直接理解文本的，文本的表示在计算机里只是一个一个低级编码（如

神经网络与深度学习第1章：绪论 阅读提问最先出现在Python成神之路。