随着这两年深度学习的火爆，在超分辨率重建领域也有着越来越多关于深度学习相关方法的文章涌现出来。对于之前没有接触过机器学习之类的人，看起来确实会有些一头雾水，所以这里整理了一下三个关于此的热词。深度学习、机器学习以及模式识别。

模式识别（Pattern recognition），机器学习（machine learning），深度学习（deep learning）。其中模式识别是最古老的，可以说是最早提出来的，而机器学习是比较基础的，深度学习则是目前比较新颖，有影响的前沿领域。下图是关于这三个词在谷歌上的搜索指数，可以看到，机器学习一直高居不下，并且在稳定中上升，模式识别已经走向衰落了，而深度学习则是一个崭新的快速攀登的领域。

1、模式识别

模式识别，做的是让计算机去做一些看上去智能的事情，比如计算机如何区分3,8，B这样的形态，以及之后的关于边缘检测，形态学处理等等，都与它有着很深的关系。

2、机器学习

机器学习的核心思想是从大量的样本中学习出智能的程序，机器学习做的是给程序一些输入数据之后，它自己搞些东西出来。当然其运行步骤是明确的。包括之后的一些凸优化，核方法，支持向量机都是机器学习的一些应用。

3、深度学习

目前最火的深度卷积神经网络的运用（Convolutional Neural Nets，CNN），深度学习强调的是你使用的模型（例如深度卷积多层神经网络），模型中的参数通过从数据中学习获得。深度学习需要较大的计算能力，所以大多在用GPU进行计算。当然和机器学习一样，深度学习也存在着很多没有解决的问题，包括深度学习的有效性理论。

以上自己的一些整理，理解还不是特别深刻，希望前辈们多多指导。