《表1 深度学习领域的主要里程碑》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习方法改进的中国A股市场动量策略研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注释:表格综合On the Origin of Deep Learning（Wang et al.，2017[19]）和《深度学习综述》（张荣等，2018[21]）。

深度学习（Deep Learning）发源于人工神经网络（Artificial Neural Network），是机器学习（Machine Learning）方法中的一类。深度学习使构建多处理层来学习多层抽象数据特征的复杂计算模型成为可能。传统机器学习方法依赖外部经验，需要足够的专业素养才能建立精巧的机器学习模型来进行特征的提取和转化，因而机器学习方法很难直接处理原始数据。深度学习则不同，深度学习是一种表示学习（Representation Learning）。表示学习是指能够直接对原始数据进行自动化地对数据监测与分类所需要的特征表示进行深发掘的模型。深度学习是多层表示层的表示学习，通过构建简单但非线性的模块来将其特征进行层层变换，得到更为抽象的层级，在足够多次转换之后，复杂的表示函数即学习完成（LeCun et al.，2015）[19]。2006年，Hinton等最先用预训练（Pre-training）结合微调（Fine-tuning）的方法成功训练出了多层的深度网络，开启了深度学习的时代。深度学习方法的出现，为计算机理解数据提供了更强有力的“大脑”。深度学习方法发展过程中的里程碑见表1。