深度學習入門部落格：
cnn(卷積神經網路)、rnn(迴圈神經網路)、dnn(深度神經網路)概念區分理解：
deep learning 的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現資料的分布式特徵表示。
深度學習是機器學習研究中的乙個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，例如影象，聲音和文字。
同機器學習方法一樣，深度機器學習方法也有監督學習與無監督學習之分．不同的學習框架下建立的學習模型很是不同．例如，卷積神經網路（convolutional neural networks，簡稱cnns）就是一種深度的監督學習下的機器學習模型，而深度置信網（deep belief nets，簡稱dbns）就是一種無監督學習下的機器學習模型。
把學習結構看作乙個網路，則深度學習的核心思路如下：
①無監督學習用於每一層網路的pre-train；
②每次用無監督學習只訓練一層，將其訓練結果作為其高一層的輸入；
③用自頂而下的監督演算法去調整所有層
深度學習和神經網路密不可分。推薦乙個很不錯的深度學習教程，可以讓快速地了解相關概念及部分理論推導，相信不少人都已學習過：
明確思路，監督學習。
神經網路學習之 Hopfield神經網路
1982年，美國加州理工學院的優秀物理學家hopfield提出了hopfield神經網路。hopfield神經網路引用了物理力學的分析方法，把網路作為一種動態系統並研究這種網路動態系統的穩定性。dhnn 離散型hopfield神經網路 這是一種單層全反饋網路，共有n個神經元。其特點是任一神經元的輸出...
神經網路學習
1 神經元模型 神經網路最廣泛的定義 神經網路是由具有適應性的簡單單元組成的廣泛並行互聯的網路，他的組織能夠模擬生物神經系統對真實世界物體所作出的互動反應。神經網路中最基本的成分是神經元模型，即上述定義中的 簡單單元 在生物神經網路中，神經元之間相連，當某乙個 興奮 時，就會向相連的神經元傳送化學物...
神經網路學習
一張由神經元 函式 堆砌起來的網路，將資料輸入經過神經網路後會自動得出 結果。目前熱門的機器學習指的是神經網路學習中一種機器學習 監督學習 supervised learning 監督學習的神經網路有四種 而監督學習涉及的資料有兩種 顯然，非結構化資料更加負責處理起來更加困難，而非結構化資料處理取得...