基于局部深度核学习的非线性支持向量机的有效预测(4)
对于深度学习来说，思想就是对堆叠多个层，也就是某一层的输出其实就是下一层的输入。能够做到这点，就可以实现对各种各样的输入信息进行分级表达了。另外值得一说的是，前面是我们来假定输地等于输入，如果觉得这样有点难，那么我们可以放宽一些要求，例如我们只要使得输入与输出相差的不多，也就是尽可能的相似，而不是产生较大的差异，这样的要求限制就会衍生另外一类不同的深度学习方法。
2.3深度学习的目标与体系
深度学习要的是让学生有选择性的，按照自己的喜好与想法，在能够明白的前提下不用约束的，批判性地来自主去学习新的内容，运用各类学习方法来学习其他感兴趣的知识，建立多渠道信息、多学科知识、新旧知识信息等之间的联系，建构个人知识体系并有效迁移应用到真实情景中来解决复杂问题的学习。[6]从本质上看，深度学习是一种自主的学习方式，不需要督促和监督，也是一种探究式的学习方式，要有一种刻苦钻研的精神，这也就要求学习者掌握非结构化的深层知识并进行批判性的高阶思文、主动的知识建构、有效的迁移应用及真实问题的解决，进而实现元认知能力、批判性思文、问题解决能力、创造性思文等高阶能力的开发；而与之相对应的浅层学习则是一种被动的、需要督促，一成不变的的学习方式，但只是把信息作为独立的事实来被动学习、被动记忆，这样做反而忽略了对知识的进一步探究、进一步理解及长期保持。
学习评价是以学习目标为依据，运用反思、测验、调查方法，收集学习过程及学习结果等方面的客观资料，对其进行处理，并且同时也能够对学习者自身的学习效果进行。[7]人类感知系统这种明确的层次结构极大地降低了视觉系统处理的数据量，并保存有利的物体信息。对于要提取具有潜在复杂结构规则的自然图构丰富数据，深度学习能够获取其本质特征。浅层学习和深度学习在本质上都是根据学习者的学习方式及其所达到的理解层次而划分出来的两种学习类型，它们在记忆方式、知识体系、学习投人程度、学习中的反思状态、思文层次和学习结果的迁移能力等方面皆有明显的差异。确定学习目标也就是之前想要达到的结果是学习评价的前提和初衷。其中，深度学习是学习者利用深度学习法来更高质量的的学习效果和学习影响，是一种更加有意义的高级学习手段，这里的终极想法是使学习目标更加有效果更加有意义的实现，并且培养出学习者的高阶学习认真能力，而这预期的结果类型主要是情感，动作，语言，文字等领域。