第一篇 对人工智能，机器学习，深度学习的理解

首先概括三者的关系:人工智能，机器学习，深度学习三者是层层包含的关系。
人工智能:有问题解决，知识推理问题等。我个人理解来说，就是机器拥有人解决问题，逻辑推理的能力。
机器学习:典型算法有SVM(支持向量积)、Adaboost算法。个人理解是:对于不同事物，像人一样具有分辨能力。
深度学习:从神经网络(仿人类神经元传导信息)衍生出的多层网络结构，如:ANN(人工神经网络),CNN(卷积神经网络)。个人理解:通过多层网络，提取了高维特征，最终得到语义输出。
机器学习按照学习方式分可分为:监督学习和无监督学习。而深度学习就属于监督学习。监督学习简单理解是老师给了你一些题目，并且给了你题目的答案，让你最后得到题目最终正确答案。监督学习氛围两个步骤:首先是训练，通过输入原始数据和最终需要得到的数据，训练得到模型，在机器学习中首先需要进行提取特征。其次是预测，通过训练得到的模型，将需要预测的数据进行输入，得到输出结果。
由于机器学习需要大量图片，所以需要计算机视觉进行图片预处理，满足机器学习的输入图片要求，另外，由于机器学习需要进行特征处理，因此外界因素对图片效果影响巨大，所以应运而生光照不变性，旋转不变性等算法，进而产生了深度学习，它不需要人工进行特征提取，大大提高了效率。
深度学习应用领域:无人驾驶(结合摄像头和激光雷达信息输入进行障碍物判别)，辅助进行医疗诊断(进行学习形成知识库)。
进行深度学习的四问:
1.网络模型输入是什么数据
2.网络模型输出是什么数据
3.根据需要预测的数据，需要选择什么样的网络
4.预测数据输入网络，输出数据是什么。##