神经网络学习

作为平时深度学习入门资料记载和分享，如有不合适，联系我立即删除

深度学习入门博客：
http://blog.csdn.net/eddy_zheng/article/details/50697841
CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)概念区分理解：http://blog.csdn.net/eddy_zheng/article/details/50763648

1、概念

Deep Learning 的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

同机器学习方法一样，深度机器学习方法也有监督学习与无监督学习之分．不同的学习框架下建立的学习模型很是不同．例如，卷积神经网络（Convolutional neural networks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度置信网（Deep Belief Nets，简称DBNs）就是一种无监督学习下的机器学习模型。

2、思想和学习方法

把学习结构看作一个网络，则深度学习的核心思路如下：
①无监督学习用于每一层网络的pre-train；
②每次用无监督学习只训练一层，将其训练结果作为其高一层的输入；
③用自顶而下的监督算法去调整所有层

深度学习和神经网络密不可分。推荐一个很不错的深度学习教程，可以让快速地了解相关概念及部分理论推导，相信不少人都已学习过：
http://ufldl.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B

3、目的

明确思路，监督学习。