笔记：《deep learning》第一章 引言（对书中内容进行记载，方便日后查询）

本章主要介绍了这本书整体的一个构造，在今后的学习顺序框架图如下：
共分为三个部分：第1部分介绍基本的数学工具和 机器学习的概念。第2部分介绍最成熟的深度学习算法。第3 部分讨论某些具有展望性的想法，它们被广泛地认为是深度学习未来的研究重点。（书中内容）

  在神经科学中，发现大多数哺乳动物的大脑使用单一的算法就可以解决其大脑可以解决的大多数的不同任务。意味这可以在深度学习中，同时研究多个方面领域：自然语言处理，计算机视觉，语音识别等。
 有几个概念在当今的深度学习领域仍然比较重要。其中一个是分布式表示（distributed representation）：系统的每一个输入都应该由多个特征表示，其中每一个特征都应该参与到尽可能多个输入的表示。分布式表示是这本书的核心，在15章中更加详细的描述。另一个是反向传播在训练具有内部表示的深度神经网络中的成 功使用以及反向传播算法的普及
 联结主义的主要见解之一是，当 动物的许多神经元一起工作时会变得聪明。单独神经元或小集合的神经元不是特别有用。