第一章 深度學習的技術范式演進與核心架構

1.1 從傳統機器學習到深度神經網絡的跨越

深度學習的核心在于通過多層次非線性變換自動提取數據特征，其發展歷程可劃分為三個階段：符號主義時代的規則驅動（1950s-1980s）、連接主義時代的淺層網絡（1990s-2000s）以及深度學習時代的端到端學習（2012年至今）。以ImageNet競賽為例，AlexNet在2012年將Top-5錯誤率從26%降至15%，標志著數據驅動范式的全面崛起。

關鍵技術對比（表格）：

維度	傳統機器學習	深度學習
特征工程	人工設計特征	自動特征提取
模型復雜度	線性/淺層非線性	深層非線性組合
數據依賴性	低（小樣本可工作）	高（需大規模標注）

1.2 主流架構的創新與優化

• 卷積神經網絡（CNN）?