深度学习 (DL) ( 19 ) 是机器学习的一个子集，它使用以人类神经元为模型的算法来对数据中的复杂模式和关系进行建模。在引入 DL 之前的机器学习技术需要领域专业知识和人体工程学，才能将原始数据转换为算法可以理解和检测模式的特征。另一方面，在 DL 中，原始数据可以输入到算法中，机器能够创建模式识别所需的自身表示。这些表示通常按顺序排列，其中每一层都输入到下一层，从而增加了数据的抽象度，统称为神经网络 ( 6 )（图 2 ）。在 DL 中，有多种可实现的算法，包括传统上用于图像处理的卷积神经网络 (CNN) ( 20 ) 和 Transformer 模型 ( 21 )，后者是学习上下文和跟踪顺序数据中的关系的神经网络。