深度学习作为人工智能的核心领域，涵盖了许多专业术语。首先，我们有神经网络（Neural Network），它是深度学习的基础结构，模拟人脑工作方式。前馈神经网络（Feedforward Neural Network）中信息仅向前传播，而循环神经网络（Recurrent Neural Network, RNN）则支持信息循环反馈。

激活函数（Activation Function）决定神经元是否被激活，常用的包括ReLU（Rectified Linear Unit）和Sigmoid。损失函数（Loss Function）衡量模型预测值与真实值之间的差距，梯度下降（Gradient Descent）则是优化参数的核心算法。

卷积神经网络（Convolutional Neural Network, CNN）在图像识别中大放异彩，其关键组件为卷积层（Convolutional Layer）和池化层（Pooling Layer）。生成对抗网络（Generative Adversarial Network, GAN）由生成器和判别器组成，用于生成逼真数据。

此外，超参数（Hyperparameter）需要人工设置，如学习率和批量大小。迁移学习（Transfer Learning）利用已有模型的知识解决新问题。掌握这些术语，能更深入理解深度学习的魅力！✨