大家好，今天小编关注到一个比较有意思的话题，就是关于4758什么含义的问题，于是小编就整理了1个相关介绍的解答，让我们一起看看吧。
谈及AI时常听到的「神经网络」和「深度学习」到底是什么意思？
关于神经网络和深度学习，我尽量用一个通俗易懂的方式来解答吧。
因为如果用比较专业的语言来描述的话，可能看完了也还是不懂是什么，这样就没啥意义了。
神经网络分为两种：
一种是生物的，例如：人、猫、狗
还有一种是我们人造的，因为我们能造出聪明一点的机器人。
那人的神经网络是什么样的呢？
我们打开我们的生物书，里面就会有这样的图，这是一个神经元的结构图。
举个例子：我们的皮肤其实就连接着各种各样的神经末梢，然后我们摸了一个东西，然后我们的神经末梢就将摸到的这种感觉变成了一种生物电，然后通过神经纤维（就是上图中黄色的一节一节的东西）传递到了细胞体中，而神经元细胞体存在于我们的脑和脊髓中。
那我们人体有千千万万条这样的神经元，这些神经元就构成了我们人体的神经网络。
神经网络是一个模型。
这个模型可能是参照了人的神经细胞和网络的构造，也可以理解成有一堆算法的表现形式刚好和神经网络有些像，然后被形容成神经网络，形象，高大上。
这个模型是什么？解决这个问题最好的途径是回顾历史，找它的起源。
上边是对于感知器的解释，感知器可以看成是最早的神经网络。感知器同样有着一个高大上的名词，不过其本身是一个线性分类器。
线性分类器还是可以理解成一个“模型”。
通过这个模型和一些算法可以将一堆数值转化成两个数值，或者一个概率，举个粗糙的例子：
人是否有好心情和很多因素相关，比如：得到关爱、关爱了别人、遇到喜欢的人、赚钱了、天气不错、终于下班了，等等。这些因素可以看成很多数值，但心情好不好只有两个，心情好和不好。借助感知器这个模型，可以推测人的心情。
感知器可以解决一些实际的问题。不过，有局限性，有局限性就需要解决。
「神经网络」和「深度学习」是人工智能AI中常见的用语。
神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向--深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法，同时也可以更好地帮助你理解深度学习技术。
简单来说，神经网络就像一个呀呀学语的小孩子。开始的时候一片空白，你需要一点一点的教他认东西。比如第一天，他看见一只京巴狗，你告诉他这是狗；第二天他看见一只猫，他开心地说，”狗"，"狗"。你要纠正他，这是猫；第三天，他看见一泰迪狗，他又迷惑了，你要告诉他这是狗，泰迪狗……直到有一天，他可以自己分清任何一只猫或者狗。这个学习的过程就是不断深入的过程，也就是“深度学习”。
其实神经网络最初得名，就是其在模拟我们人的大脑，我们可以把每一个节点当作一个神经元，而这些“神经元”组成的网络就是神经网络。神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术，也可以称之为人工神经网络。人脑中的神经网络是一个非常复杂的组织，成人的大脑中估计有1000亿个神经元之多，是非常复杂的。
由于计算机出色的计算能力和细节把握能力，在大数据的基础上，人工神经网络往往有比人更出色的表现。
第一，具有自学习功能。例如实现图像识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测，其应用前途是很远大的。
神经网络和深度学习是当前AI领域应用很广泛的技术，属于深度学习用的一种技术，以前还有很多类似的技术，支持向量机，随机森林等。
而深度学习目前来看就是神经网络，以往说的神经网络是浅层的。现在随着数据量的增长和计算能力的提高，已经可以训练多层的神经网络，这个多层的神经网络就叫深度学习。
深度学习的兴起源于一场比赛，imagenet，这场比赛给参赛者提供100多万张图片，分为猫狗汽车等等一共一千个类别，另外还有几万张没有提供标识的图片(图片里也覆盖了所有的这一千个类别)，需要参赛者根据这些图片设计一个系统，使得这个系统可以识别出那几万张没有标识的图片里是什么，就是给每张图片分到一千个类别里。2012面一个深度学习系统在给它喂了比赛方提供的100万张图片后，在没有标识的图片上识别的准确率达到了前所未有的高度，完全吊打其它模型，于是深度学习崛起了。
现在深度学习已经广泛应用在图像，文本，语音等领域。
简单的说，AI是个大课题，深度学习是其中一种技术，深度学习现在的表现形式就是多层神经网络。
到此，以上就是小编对于4757含义是什么意思的问题就介绍到这了，希望介绍的1点解答对大家有用，有任何问题和不懂的，欢迎各位老师在评论区讨论，给我留言。
