深度学习总体介绍

• 传统机器学习
  • 数据预处理–归一化、降维、去躁
  • 特征提取–图像：SIFT、LBP、Fisher，语言：Word2vec、MFCC
  • 选择分类器–SVM、决策树、随机森林、贝叶斯网络、线性回归、聚类
• 深度机器学习
  • 数据准备–数据、label
  • 设计模型–CNN、RNN
  • 训练–调结构、损失函数、训练参数
• 基本概念
  • $y=W\ast X+b$
  • 神经元：模型的基本单位
  • 卷积核：图像处理基本算子
  • 分类
  • 回归