深度学习综述：侧重架构、应用与近期趋势

深度学习解决了一个在短短五年前许多人认为棘手的问题——数据中模式的自动识别；并且其准确率常超越人类。它解决了传统手工设计机器学习算法无力处理的问题，并吸引了试图从如今淹没社会的数据洪流中厘清意义的从业者。随着公众对深度学习效力的认知提升，使用的意愿也随之增强。但即便对训练有素的专业人士，涉足该领域专家产出的快速增长的知识体也令人望而生畏。从何入手？如何判断特定模型是否适用于其问题？如何训练与部署此类网络？该主题的入门导引不失为良好的起点。鉴于此，我们概述了构成深度学习的若干关键多层人工神经网络（ANN）。我们还讨论了若干使用多智能体方法的新型自动架构优化协议。此外，由于保障系统正常运行时间对许多计算机应用愈发关键，我们纳入了关于使用神经网络进行故障检测与后续缓解的章节。随后对深度学习已成为颠覆性技术的若干应用领域进行探索性调研：金融应用中的异常行为检测或金融时间序列预测、预测性与规范性分析、医学图像处理与分析以及电力系统研究。本综述旨在勾勒深度学习界内新兴的应用导向研究领域，并为寻求在工作中运用其最擅长之处的研究者提供参考：具有无与伦比学习容量且能随信息扩展的统计模式识别。