萌主天下无敌提示您：看后求收藏（略群小说www.luequn.com），接着再看更方便。
在这个算法中，每次学习不再针对所有的训练集，而是从训练集中随机选择一部分来计算C(w，b)，下一次学习再从剩下的训练集中随机选择一部分来计算，直到把整个训练集用光。然后再不断重复这一过程。
深度神经网络（具有多个hiddenlayer）比浅层神经网络有更多结构上的优势，它有能力从多个层次上进行抽象。
从上个世纪八九十年代开始，研究人员们不断尝试将随机梯度下降算法应用于深度神经网络的训练，但却碰到了梯度消失(vanishinggradient)或梯度爆发(explodinggradient)的问题，导致学习过程异常缓慢，深度神经网络基本不可用。
然而，从2006年开始，人们开始使用一些新的技术来训练深度网络，不断取得了突破。这些技术包括但不限于：
采用卷积网络(convolutionalnetworks)；
Regularization(dropout)；
Rectifiedlinearunits；
利用GPU获得更强的计算能力等。
深度学习的优点显而易见：这是一种全新的编程方式，它不需要我们直接为要解决的问题设计算法和编程，而是针对训练过程编程。
网络在训练过程中就能自己学习到解决问题的正确方法，这使得我们可以用简单的算法来解决复杂的问题，而且在很多领域胜过了传统方法。
