原文链接：Deep Learning: A Comprehensive Overview on Techniques, Taxonomy, Applications and Research Directions | SN Computer Science (springer.com)

深度学习 （DL） 是机器学习 （ML） 和人工智能 （AI） 的一个分支，如今被认为是当今第四次工业革命（4IR 或工业 4.0）的核心技术。深度学习技术源于人工神经网络（ANN），由于其从数据中学习的能力，已成为计算领域的热门话题，并广泛应用于医疗保健、视觉识别、文本分析、网络安全等各个应用领域。然而，由于现实世界的问题和数据的动态性质和变化，构建适当的深度学习模型是一项具有挑战性的任务。此外，缺乏对核心的理解使深度学习方法成为阻碍标准级开发的黑匣子机器。本文对深度学习技术进行了结构化和全面的分析，包括考虑各种类型的实际任务（如监督或无监督）的分类法。在我们的分类法中，我们考虑了监督学习或判别学习、无监督学习或生成学习以及混合学习和其他相关学习的深度网络。我们还总结了可以使用深度学习技术的实际应用领域。最后，我们指出了下一代深度学习建模的十个潜在方面，并提出了研究方向。总的来说，本文旨在描绘一个关于深度学习建模的大图景，可以作为学术界和行业专业人士的参考指南。