摘要：機器學(xué)習(xí)是通過計算模型和算法從數(shù)據(jù)中學(xué)習(xí)規(guī)律的一門學(xué)問,在各種需要從復(fù)雜數(shù)據(jù)中挖掘規(guī)律的領(lǐng)域中有很多應(yīng)用,已成為當(dāng)今廣義的人工智能領(lǐng)域最核心的技術(shù)之一。近年來,多種深度神經(jīng)網(wǎng)絡(luò)在大量機器學(xué)習(xí)問題上取得了令人矚目的成果,形成了機器學(xué)習(xí)領(lǐng)域最亮眼的一個新分支--深度學(xué)習(xí),也掀起了機器學(xué)習(xí)理論、方法和應(yīng)用研究的一個新高潮。對深度學(xué)習(xí)代表性方法的核心原理和典型優(yōu)化算法進行了綜述,回顧與討論了深度學(xué)習(xí)與以往機器學(xué)習(xí)方法之間的聯(lián)系與區(qū)別,并對深度學(xué)習(xí)中一些需要進一步研究的問題進行了初步討論。