问深度学习、深层神经网络、人工神经网络和进一步术语的确切区别是什么？

EN

我会尽量用最简单的方法来解释-

深度学习--深度学习是一种机器学习技术，它教计算机做人类天生的事情:以身作则。它是机器学习的一个子类(用外行术语来说)，我们只使用神经网络。https://www.mathworks.com/discovery/deep-learning.html

深层神经网络(，DNN)--这只是一个多层多节点的神经网络的术语，在浅层网络中通常是不存在的。浅层神经网络与深层神经网络之间没有清晰的边界。我建议你看安德鲁吴的课程，深入学习，以获得一个更好的理解。

人工神经网络(ANN) --这只是神经网络的另一个术语，所有的神经网络都是人工神经网络的。

前馈神经网络-它是一种没有反馈连接的神经网络。在技术上，信息在前向传播阶段只向一个方向流动(输入到输出)。https://towardsdatascience.com/deep-learning-feedforward-neural-network-26a6705dbdc7

例如，难道不应该有深层递归神经网络吗？

不需要深度递归神经网络，它仅仅是递归神经网络。

深层神经网络必须前馈神经网络是正确的吗？

不，RNN是一种深度神经网络，它不是前馈神经网络。

所以，为了回答你的问题

1. 深度神经网络这一术语是否只属于前馈神经网络？

不，深度神经网络一词属于所有具有多层的神经网络。(建筑并不重要)。

1. “深度神经网络”一词是指所有具有多层的人工神经网络，还是仅指所有具有多层的前馈神经网络？

是的，它是所有多层人工神经网络的总称。

1. 按照维基百科的建议，用严格分离的子类来使用“深度学习架构”这个集体术语会更准确吗？

深度学习结构只是指用于不同任务的不同的神经网络体系结构-- CNN用于图像处理，RNN用于序列(文本、音频等)处理等。因此，在执行特定任务时，可以使用相关的体系结构名称。一般情况下，您只需使用DNN这个术语即可。

希望这能消除你的困惑。