人工神经网络 (ANN) 是一个高效的计算系统，其核心主题是从生物神经网络的类比中借鉴的。 神经网络是机器学习的一种模型。 在二十世纪八十年代中期和九十年代初期，神经网络中有很多重要的架构改进。 在本章中，您将学习更多关于深度学习的知识，这是AI的一种方法。
深度学习是作为该领域的一个重要竞争者，从十年来爆炸性的计算增长中浮现出来的。 因此，深度学习是一种特殊的机器学习，其算法受人脑结构和功能的启发。
深度学习是目前最强大的机器学习技术。 这是非常强大的，因为他们学习如何解决问题的同时代表问题的最佳方式。下面给出了深度学习和机器学习的比较 -
数据依赖性 第一点不同是基于 DL 和 ML 在数据规模增加时的性能。当数据量很大时，深度学习算法表现非常好。
机器依赖性 深度学习算法需要高端机器才能完美运行。 另一方面，机器学习算法也可以用于低端机器。
特征提取 深度学习算法可以提取高级功能，并尝试从相同的方面学习。 另一方面，专家需要识别机器学习提取的大部分特征。
执行时间 执行时间取决于算法中使用的众多参数。 深度学习比机器学习算法具有更多参数。 因此，DL 算法的执行时间，特别是训练时间，远远超过 ML 算法。 但是 DL 算法的测试时间少于 ML 算法。
解决问题的方法 深度学习解决了端到端的问题，而机器学习使用传统的解决问题的方法，即将问题分解成多个部分。