1.1.2. 深度学习

深度学习（Deep Learning, DL）作为机器学习的子集，其原型是一个可以模拟人脑进行分析学习的神经网络。深度学习模仿人脑的机制来解释数据（如图像、声音和文本），通过组合低层特征，形成更加抽象的高层特征或属性类别，以发现数据的分布式特征。

本书后续章节所介绍的卷积神经网络（CNN）、对抗生成式神经网络（GAN）均属于深度学习范畴。同时，卷积神经网络也是一种监督学习，而对抗生成式神经网络则属于半监督学习。

值得一提的是，深度学习和强化学习都是自主学习的系统，两者的区别在于：深度学习是从一个训练集学习，然后将该学习应用到一个新的数据集；强化学习则是通过在连续反馈的基础上调整动作来动态学习，以最大化回报。但深度学习和强化学习并不是互相排斥的，深度强化学习就是一种将深度学习的感知能力和强化学习的决策能力相结合，并更加接近人类思维方式的机器学习方法。