深度学习、迁移学习和强化学习的区别

1.  深度学习：

基于卷积神经网络的深度学习（包括CNN、RNN），主要解决的领域是 图像、文本、语音，问题聚焦在 分类、回归

也就是我们经典的各种神经网络算法

2.  迁移学习：

迁移学习的来源是关注的场景缺少足够的数据来完成训练，在这种情况下你需要通过迁移学习来实现模型本身的泛化能力

也就是说当前场景数据集和label不多，但是相关的数据集多，同时也比较类似，所以可以用来掺和在一起增加数据集的量

3.  强化学习：

强化学习全称是 Deep Reinforcement Learning（DRL），其所带来的推理能力 是智能的一个关键特征衡量，真正的让机器有了自我学习、自我思考的能力

强化学习有四个要素：Agent, Environment, Actions, Rewards

本文仅供学习，若需详细内容，请点击：http://blog.csdn.net/linolzhang/article/details/72890618