神经网络与深度学习笔记1

1、概述

人工智能（AI）：是用机器去实现所有目前必须借助人类智慧才能实现的任务。其 具体研究、开发用于模拟、延伸和扩展人的智能的理 论、方法、技术及应用系统。

机器学习是人工智能的一个重要分支，是实现智能化的关键。其经典定义为：利用经验来改善计算机系统的性能。

（经验：在计算机系统中，即为数据（集）； 主要目标：预测未知、理解系统。）

而机器学习存在局限，大量非结构化数据（语义不清楚、稀疏）使机器学习收效甚微结构化数据。因而引出了人工神经网络。

人工神经网络 (ANN)： 是从微观结构与功能上模拟人脑神经系统而建立的一类 模型，是模拟人的智能的一条途径 信息处理由人工神经元间的相互作用来实现，由联接权 来传递，具有学习能力、自适应性、联接强度的可变性。

深度学习： 多隐层的人工神经网络具有优异的特征学习能力，学习得到的特征对数据有 更本质的刻画，从而有利于可视化或分类。深度神经网络在训练上的难度，可以通过“逐层初始化”来有效克服，逐层初始化可通过无监督学习实现。

神经网络与深度学习应用趋势：计算机视觉，机器学习，图像识别，语音识别，机器人，自然语言处理。

2、线性分类与感知机