深度学习整体名词概述

    对CSDN的课程进行了一个整理

1.神经网络现阶段的困扰

    神经网络为什么能工作 如何工作最好 用多少层 多少个神经元  为什么 是没有确定答案的 所以在理论层还没有完全突破的情况下 

    我们学习的方式是  掌握用法 -实际使用 -回头理解

各名词的关系

    1950年 ： 感知器 （Perceptron） · 处理异或起来有障碍

    1980年 ： 反向传播（Back Propagation）·解决了异或 但是没有大数据支撑来处理

    2006年：  深度置信网络（Deep Belief Nets）·《一个深度执行网络的快速学习算法》论文开启了新纪元

    2010年： 使用GPU加速端到端BP神经网络  ·大幅提高了计算能力 使得输入和输出中间的可以交给计算器来处理实用性成为可能

神经网络分类

按数据流向

    前馈 、递归、反馈

按网络中神经元组织形式

    全连接、部分连接

按网络中神经元行为和连接方式

    简单（全连接）、卷积、循环

            应用

                1.全连接 （数据分析，作为其他网络的组成部分）

                2.卷积神经网络（计算机视觉，具有局部相关性的数据）

                3.循环神经网络（自然语言处理，语音，具有顺序及前后关系性的数据）

按训练方法

    监督学习、无监督学习、强化学习

现阶段所面对的问题

    数学的基础不够清晰  神经元的理解非常的困难 没有办法精确的控制训练的结果  

可以预见的是 

    随着各种更优算法的不断推出  人工智能会发展的越来越好