基本概念

深度学习与机器学习的区别

首先从定义上分析：
机器学习定义：

A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P if its performance at tasks in T, as measured by P, improves with experience E

意思就是，一个电脑程序要完成任务T，在T中的性能如P，如果电脑获取的关于T的经验E越多，性能P越高。那么就可以说这个程序学习了关于T的经验，这就是机器的学习过程。
深度学习定义：

Deep learning is a particular kind of machine learning that achieves great power and flexibility by learning to represent the world as nested hierarchy of concepts, with each concept defined in relation to simpler concepts, and more abstract representations computed in terms of less abstract ones.

从定义上看，深度学习是一种特殊的机器学习。它通过学习将世界表示为概念的嵌套网络层级结构，每个概念都与较简单的概念相连，并根据u较不抽象的概念计算出更抽象的概念。具有巨大的学习能力和灵活性。

深度学习简介

深度学习是指多层神经网络上运行各种机器学习算法解决图像，文本等各种问题的算法集合。深度学习从大类上可以归入神经网络，不过在具体实现上有很多变化。深度学习的核心是特征学习，目标是在通过分层网络获取分层次的特征信息，从而解决以往需要人工设计特征的重要难题，深度学习是一个框架，包含多个重要算法：

• Convolutional Neural Networks(CNN)卷积神经网络
• AutoEncoder自动编码器
• Sparse Coding稀疏编码
• Restricted Boltzmann Machine(RBM)限制波尔兹曼机
• Deep Belief Networks(DBN)深信度网络
• Recurrent neural Network(RNN)多层反馈循环神经网络神经网络

对于不同问题（图像，语音，文本），需要选用不同的网络模型才能达到更好的效果。
参考文章：https://www.cnblogs.com/alexcai/p/5506806.html

与神经网络的初次相遇

之前研究的大多数是机器学习部分的浅层知识，现因学业需要，逐渐开始探索关于深度学习和神经网络方面的知识。

神经网络的介绍

神经网络是为了模拟人的大脑，神经网络在80年代流行过一阵，但是到了90年代后期，由于各种原因，应用逐渐消失了，近几年，神经网络又火了起来

科学家经过实验研究发现，如果阻断耳朵的神经连接，而将眼睛连接到大脑的耳功能神经上后，眼睛也能实现听觉功能。这个实验验证了什么网络训练的可行性。

安全性分析

机器学习领域一致存在一个争议，那就是随着人工智能的发展，人工智能是否会危机人类自身的生存?
从根本上分析，当前的人工智能并没有危险。举个例子：一只猫大约有10亿个神经元，一只老鼠大约有7500万个神经元，一只蟑螂大约有100万个神经元。相比之下，许多人工神经网络包含的神经元要少得多，通常只有几百个，所以我们在不久的将来随时创建一个人工大脑是没有危险的

神经网络的结构展示

在网页中通过调试，了解各种参数和方法对于神经网络训练结果的影响：http://playground.tensorflow.org