deep learning
稀疏編碼演算法sparse coding是一種無監督學習方法，它用來尋找一組「超完備」基向量來更高效地表示樣本資料。雖然形如主成分分析技術（pca）能使我們方便地找到一組「完備」基向量，但是這裡我們想要做的是找到一組「超完備」基向量來表示輸入向量（也就是說，基向量的個數比輸入向量的維數要大）。超完備基的好處是它們能更有效地找出隱含在輸入資料內部的結構與模式。然而，對於超完備基來說，係數ai不再由輸入向量唯一確定。因此，在稀疏編碼演算法中，我們另加了乙個評判標準「稀疏性」來解決因超完備而導致的退化（degeneracy）問題。（
詳細過程請參考：ufldl tutorial稀疏編碼）
sift，即尺度不變特徵轉換（scale-invariant feature transform，sift） 。
卷積就是把模版與影象對應點相乘
我們為什麼要打tag？
再相加，把最後的結果代替模版中心點的值的一種運算。
關於人工智慧的一些幻想
理論太枯燥了，以下是我平時的一些科幻構思,全是與人工生命有關的，因本人文筆太差，只能給出個草草的框架 注 前三個構思曾發表在96年第二期的科幻世界上 綁架當生命可能以資訊方式傳遞，隊長帶人在地底打算攔截敵方將領的中微子波，以實現綁架其之目的，但接收器壞了，最後隊長決定用自已的大腦來接收這個資訊，於是...
未經整理的一些想法 關於人工智慧
1 智慧型 實踐 犯錯誤 吸取教訓 人工智慧，它跟人類的只能沒有什麼區別，也有模稜兩可的時候，也有做錯事的時候，我們不可能把機器設計成絕頂聰明的生物。比如乙個不小心被邪教欺騙的人，你能說這個人不具備一定的智慧型嗎。所以在設計之初，應該允許人工智慧犯錯，甚至可以說人工智慧可以很 愚蠢 2 智慧型建立在...
一些有關人工智慧的資料
1.wiki 上的 人工智慧的歷史 2.wiki 上的 人工智慧 3.wiki 上的 機器學習 4.書籍 1.programming collective intelligence 近年出的入門好書，培養興趣是最重要的一環，一上來看大部頭很容易被嚇走的 p 3.the elements of sta...