深度学习理论（一）

        本文主要描述在学习《深度学习理论与实践》这本书过程中的笔记记录以及个人见解，供有相同爱好和相关研究人员参考和学习，由于本人了解不是很深入，所写的见解和笔记记录可能有误，请留言指正，共同学习。本篇文章共分为两个部分：深度学习概述和神经网络简述。

 

一、深度学习概述

人工智能（artificial intelligen ，AI）是计算机应用的一个重要分支，是通过让计算机模拟人的智慧，从而实现对人类智能扩展的一套理论和方法。人工智能是对人的思维等信息进行模拟的过程。

人工智能有很多不同的分支，其中最重要的分支有机器学习、计算机视觉、机器人、自然语言处理和专家系统等。

机器学习（machine learning，ML）的概念是20世纪50年代提出来的，它是研究如何利用计算机来模拟人类学习活动的一门学科，它的研究目的是让机器像人一样获取新知识和新技能。统计机器学习的代表性技术是支持向量机（support vector machine SVM）

统计机器学习通过数据来建立模型并用该模型对数据进行预测和分析的过程。

机器学习主要分为两个步骤：模型设计和使用模型，模型设计就是从应用环境采集数据，进行预处理，在用一些算法对数据进行训练，进而带到相应的模型。使用模型是对新数据，采用第一步训练的模型进行数据分析和处理，如下图1-1，他主要包含信息获取、预处理、数据降维、训练模型、分析和处理等5部分组成。

• 信息获取