mały|Uczenie głębokie w kontekście SI Uczenie głębokie () – podkategoria uczenia maszynowego (), polegająca na uczeniuUczenie jest to proces oparty na prezentacji przypadków uczących (przykładów prawidłowo rozwiązanych zadań) należących do zbioru uczącego. W trakcie tych pokazów następuje stopniowe dopasowywanie się sieci do tego, by nabyła ona umiejętność rozwiązywania tych zadań. Dopasowywanie to opiera się na porównywaniu odpowiedzi udzielanych przez sieć z odpowiedziami wzorcowymi. Wprowadzana korekta błędu powoduje, że sieć po każdej prezentacji zwiększa szansę udzielenia odpowiedzi bardziej zbliżonej do odpowiedzi wzorcowej, a ponadto zmierza się do tego, żeby sieć uogólniła wyuczoną umiejętność na inne, podobne zadania, nieprezentowane w trakcie uczenia (generalizacja).Formalnie uczenie można określić jako iteracyjny proces estymacji optymalnych wartości parametrów sieci (najczęściej wag) na podstawie zbioru uczącego. Metodę zmiany wag w trakcie procesu uczenia wyznacza używany algorytm uczenia. Za: R.Tadeusiewicz, M.Szaleniec, Leksykon sieci neuronowych,2015, s.109. głębokich sieci neuronowychA deep neural network (or deep network for short) is a type of machine learning model, and the process of fitting these models to data is referred to as deep learning.