深入学习NNs (2016)与我4年前(2012年)的研究有何不同？

Question

在维基百科和deeplearning4j中都有这样的说法:深度学习神经网络是一种隐层大于1的神经网络.

对于我来说，这类NN在大学里是标准的，而DLNN现在非常夸张。去过那里，做过那件事-有什么大不了的？

我还听说堆叠的神经网络被认为是深度学习。深度学习是如何定义的？

我的神经网络的背景大多来自大学，而不是工作：

• 神经网络在工业中的应用研究
• 有5门关于artif的课程。情报。&马赫。学习。-也许其中有两个在NN上
• 用于小而简单的图像识别项目中使用的三层前馈神经网络。
• 没有对它们进行真正的研究(如博士论文)。

Answer 1

深入学习(尤其是深卷积神经网络)是目前非常流行的，因为最近在各种机器视觉/目标检测挑战方面有了实质性的改进。特别是深修道院被用来将ImageNet分类错误从2010年的28%减少到2014年的7%。深入学习当然被夸大了，但这不应该减损在机器视觉领域已经有了有意义的改进的事实。

Answer 2

在简历上也问了一个类似的问题：神经网络与深度学习的区别：

深度学习=深度人工神经网络+ 其他深层次模型。深度人工神经网络=1层以上的人工神经网络。(见深度神经网络中的最小层数)

金融时报：这张关于深度学习的幻灯片声称，上世纪80年代以来的所有进步都是由于更多的数据和更快的计算机所致，这又有多真实呢？