2、目前深度模型就是深度神經網路，更確切地說，是由多層引數化可微的非線性模組搭建起來的模型，而他本身能夠用bp演算法（backpropagation）去訓練。
3、能不能基於不可微構件進行深度學習？
4、新的模型「深度森林」
不是基於神經網路的模型，它的基本構件是決策樹，本身是不可微的，所以不能用bp訓練。模型複雜度可以自己根據資料調整，超引數比深度神經網路要小。除了大規模的影象類任務之外，很多的任務上它的效能已經達到或者接近了深度神經網路的效能。
基於非可微構件，非神經網路的深度模型可能是下一步很值得**的方向。
5、關於深度模型，以前我們認為深度學習只有深度神經網路，現在知道這裡面可以有很多其他東西。深度神經網路已經研究了20多年，而非神經網路深度學習的研究才剛開始，未來有非常多可以探索的東西。
6、強監督學習，需要有大量的有標記資訊的樣本資料。
7、弱監督學習，監督資訊不用那麼多。監督資訊不完全，監督資訊不具體，監督資訊不精確等。
8、傳統機器學習，在封閉靜態環境裡面，假定很多東西是固定的。
然而事實上，我們會越來越多的碰到開放動態壞境，可能一切都會發生變化。無論何種變化的出現，「好的時候」要好，「壞的時候」不能太壞，解決開放環境下的魯棒性是關鍵。
關於英語學習的一些思考
怎麼樣，聽完有木有一種想把新概念背上100遍的衝動？至少我是有的。簡單的總結一下強浩老師所講的內容 一 英語學習弊端 貪多，對英語的學習只是走馬觀花，蜻蜓點水，淺嘗輒止。就圖乙個新鮮感，而不是深入 反覆地去學習同乙個資料。就那我們現在來說，新舊走遍美國 小烏龜 900句 365等等，各種英語學習資料...
關於深度學習的一些思考
問1 有監督學習中，機器學習是什麼？答1 機器學習就是先假設乙個函式，使用訓練樣本來選取最優的引數 當有新樣本時，把特徵輸入已訓練好的函式中，得到 值。問2 神經網路中，神經元的作用是什麼？答2 1 對輸入特徵進行線性加權 z w1 a1 w2 a2 w3 a3 b，其中wi是權重，ai是特徵值，b...
關於機器學習的一些感悟
1 通過機器的學習 大規模 資料庫 複雜的感測器和巧妙的演算法，來完成分散的任務 是人工智慧的最新定義。2 mit 實驗室的機械人專家 rodney brooks 提出，要以 具身智慧型 embodied intelligence 的方法來製造機械人。從這種方法出發，製造類人機械人不再是發展更複雜的...