1.深度學習從生命的生物機理中獲得靈感，但是它與大腦的工作原理差別非常巨大。
2.描述深度學習：（1）學著描繪世界的機器（machines that learn to represent the word）；端對端的機器學習（end-to-end machine learning）。在乙個能夠學習的機器中，每乙個元件、每乙個階段都能進行訓練。
3.可以把深度學習看成是，通過整合大量能夠基於相同方式訓練的模組和元件來構建擁有學習能力的機器，如模式識別系統，因此，需要乙個能夠訓練每個事物的單一原則。
4.深度學習系統和機器學習區別：之前的機器學習系統，可稱為「膚淺的學習系統」，會受他們能計算的函式的複雜度的
限制，如果使用乙個線性分類器的膚淺學習方法來識別影象，需要從影象中提取足夠多的引數特徵，但是手動設計乙個特徵提取器非常困難，而且很耗時。如果使用乙個更加靈活的分類器，如svm，或者兩層神經網路，直接將影象的畫素提供給分類器，則物體的識別率不會高。
5.模式識別系統可以想象成乙個黑盒子，背面裝有攝像頭，頂上有乙個紅燈和綠燈，前面有一串開關，比如一種嘗試調節開關的演算法，當一條狗出現在攝像頭室控制開關使紅燈亮，當一輛車出現時控制開關使綠燈亮，為了訓練該演算法，將一條狗放在機器前，如果紅燈亮，則什麼都不做，如果光線模糊，則調節旋鈕使燈變亮，如果綠燈亮，則扭動按鈕使燈變暗；接下來換成汽車。如果進行多次嘗試，並且保持每次都對旋鈕進行逐漸微調，最終，機器每次都能得出正確答案。
6。將未加工的資料輸入系統，因為系統具有多層結構，每一層都將知道如何對上一層產生的表徵進行轉化，知道最後一層輸出結果。從頭至尾都應該把學習融合進來，以便機器能夠學習到好的資料表徵。
7.直覺洞察、理論模型、實際執行、實證研究和科學分析之間相互影響，洞察力是一種創造性思維；模型基於數學，實際執行設計工程學和純粹的黑客行為；實證研究和分析屬於實實在在的科學。
8.深度學習團體：geoff hinton、yoshua bengio和lecun、andrew ng
初識深度學習
初識深度學習 深度學習裡面有兩個重要的數學概念 導數 偏導數。深度學習是採用神經網路，用於解決線性不可分的問題。所謂深度學習，就是具有很多個隱層的神經網路。神經網路分為輸入層 輸出層和隱層。不斷學習訓練和修正。深度學習是乙個不斷磨合的過程，剛開始定義乙個標準引數 這些都是驗值 然後不斷地修正,得出每...
深度學習 初識TensorFlow
深度學習使用場景 影象理解 語音識別 自然語言處理 機器自主 無人駕駛 深度學習，如深度神經網路 卷積神經網路和遞迴神經網路已被應用計算機視覺 語音識別 自然語言處理 音訊識別與生物資訊學等領域並取得了很好的效果。深度學習在人工智慧領域的地位 深度學習框架 google brain計畫產物 應用於a...
STL學習1初識
stl基本概念 stl從廣義上分為 容器 containter 演算法 algorithm 迭代器 iterator 六大元件 容器 各種資料結構 演算法 各種演算法sort search 迭代器 容器與演算法之間的橋梁，所有容器有自己的專屬迭代器 原生指標也是一種迭代器 仿函式 functors行...