深度学习在控制领域的研究现状与展望----总结

深度学习在控制领域的研究现状与展望----总结
一． 什么是深度学习？深度的神经网络（具有多隐层的机器学习模型，海量的训练数据，来学习更有用的特征）
二． 深度学习分类：

1. DBN：基于 RBM （受限玻尔兹曼机 (Restricted Boltzmann machine, RBM)）的 DBN 由多个 RBM 堆叠而成,底层为RBM网络，逐级向上，两个网络训练过程，第一个是预训练（无监督学习，无标签，只用了输入信号），底层RBM单独训练，最小化RBM网络能量，训练完成后将隐层作为高层RBM输入，然后继续训练，逐级向上；第二个是全局微调，以训练好的 RBM 之间的权重和偏置作为深度信念网络的初始权重和偏置, 以数据的标签作为监督信号计算网络误差, 利用 BP(Back propagation) 算法计算各层误差, 使用梯度下降法完成各层权重和偏置的调节.
   DBN 可用于特征提取和数据分类等.
   
   RBM：两层结构，一层是输入层，一层是隐含层，固定权值和偏置，将隐含层定为输出，代入输入信号和隐含层的偏置，求输出，然后以输出为输入，代入输入层的偏置，反推输入，需要注意，这两个过程偏置不一样。
   三． SAE
   SAE 由多个 AE （自动编码器 (Autoencoder, AE)）堆叠而成, SAE 前向计算