机器学习、深度学习、神经网络之间的关系
1、三者之间的关系
神经网络是深度学习的核心工具，深度学习是机器学习的一个子领域。
用下面的层次结构表示：
2、机器学习
机器学习是人工智能的一个子领域，它让计算机可以通过数据来学习规律，并根据学习结果进行预测或决策，无需明确编程规则。
3、深度学习
深度学习是机器学习的一个子集，使用多层神经网络来自动学习特征，适合大规模数据，特别是非结构化数据（如图像、语音、文本）。
代表模型：CNN、RNN、Transformer
4、神经网络
神经网络是深度学习的基本结构单元，模拟生物神经元传递方式，学习复杂的模式和关系。
由输入层、隐藏层、输出层组成。
深度学习指使用了很多层神经网络。
类比：
机器学习---会做数学题的学生
深度学习---擅长解决复杂问题的学生
神经网络---学生的大脑
FNN、CNN、RNN、Transformer都是神经网络的不同结构类型，属于深度学习范畴。
网络结构 | 全称/中文 | 属于 | 擅长任务 | 特点简述 |
FNN | Feedforward Neural Network（前馈神经网络） | 最基础神经网络结构 | 表格类数据、回归、分类 | 每一层信息从前往后传递，结构简单 |
CNN | Convolutional Neural Network（卷积神经网络） | 图像处理常用模型 | 图像识别、视频分析 | 用“卷积核”提取局部特征，适合2D/3D数据 |
RNN | Recurrent Neural Network（循环神经网络） | 序列建模模型 | 文本、语音、时间序列 | 有“记忆”机制，适合处理前后相关的序列 |
Transformer | 基于注意力机制的深度网络结构 | 新一代序列模型 | 语言建模、文本生成、图像、语音 | 用自注意力机制建模全局依赖，可并行高效训练 |