神经网络与深度学习

神经网络与深度学习读书笔记模板01思维导图读书笔记目录分析内容摘要精彩摘录作者介绍目录0305020406思维导图神经网络深度智能基本概念原理实践内容深度神经网络问题大脑机器器编码学习模型脑神经元类本书关键字分析思维导图内容摘要内容摘要本书结合日常生活中的寻常小事，生动形象地阐述了神经络与深度学习的基本概念、原理和实践，案例丰富，深入浅出。对于正在进入人工智能时代的我们，这些内容无疑可以帮助我们更好地理解人工智能的原理，丰富我们对人类自身的认识，并启发我们对人机智能之争更深一层的思考与探索。读书笔记读书笔记写得一般般，科普类文章，没有太多实际的例子来说明概念具体的应用。2014年出版的关于AI的科普读物，这的确是一本老书了。十多年前看枯燥的BP神经络资料，做指纹识别课题，搞的急吼吼的逃离这行。花了两天时间看完了，大概了解了深度学习的一些基本知识点和应用，作者抛开模型推导，由浅入深，循序渐进地介绍，很适合没有基础的读者。神经络算法/深度学习/AI应用，很好的一本入门书，如果再懂一些数学和算法，就更容易理解了。有些概念解释得太简单了具体的代码并没有带来帮助（就我个人）总体来说一般，但是对神经络和深度学习两方面还是有一定收获的。基于Java讲的神经络，CNN和RNN阐述详细，但不适合初学者，有的地方会看不明白。作为科普书，深入浅出的介绍了神经络和深度学习的，值得一看。第一步，研究最基础的神经元，从一开始人们构建最简单的感知机，到后面逐渐增加神经元的数目以及层数，构成各种复杂的神经络。精彩摘录精彩摘录大脑的学习过程包括以下三个基本步骤或系统。（1）信息输入。（2）模式加工。（3）动作输出。神经络，是机器学习的一个分支，学名应该叫人工神经络，与之相对应的是生物神经络（BiologicalNeuralNetworks,BNN），我们将模拟生物神经络的数学模型统称为人工神经络模型，简称人工神经络或者神经络。神经络由一层一层的神经元构成，层数越多就越深，所谓深度学习就是用很多层神经元构成的神经络达到机器学习的功能。前一派想搞清楚如何思考，将思考的过程演化成逻辑，姑且叫他们“思路模拟”派，也叫控制派；后一派可以称为仿生派，想从模拟生物学大脑入手，让大脑自由形成意识。赫布理论主要认为，当神经元A的轴突与神经元B很近并参与了对B的重复持续的兴奋时，这两个神经元或其中一个便会发生某些生长过程或代谢变化，致使A作为能使B兴奋的细胞之一，它的效能增强了。由于对神经元的重复刺激，使得神经元之间的突触强度增加。通俗地说，两个神经元同时被某未知事件激发，它们就有可能再次被同时击中，而且，被同时击中的次数越多，再次被同时击中的概率越高。目录分析1.1买橙子和机器学习1.2怎么定义神经络1.3先来看看大脑如何学习1.4生物意义上的神经元1.5大脑如何解决现实生活中的分类问题123451神经络是个什么东西2.1构造一个神经元2.2感知机2.3感知机的学习2.4用代码实现一个感知机2构造神经络2.6解决一些实际问题2.5构造一个神经络2构造神经络3.1机器学习3.2特征3.3浅层学习和深度学习3.4深度学习和神经络3深度学习是个什么东西3.6总结深度学习及训练过程3.5如何训练神经络3深度学习是个什么东西4.1模拟大脑的学习和重构4.2快速感知：稀疏编码（SparseCoding）4.3栈式自编码器4.4解决概率分布问题：限制波尔兹曼机4.5DBN4.6卷积神经络0103020405064深度学习的常用方法4.7不会忘记你：循环神经络4.8你是我的眼：利用稀疏编码器找图像的基本单位4.9你是我的眼（续）4.10使用深度信念搞定花分类4深度学习的常用方法5.1AI如何玩棋类游戏5.2围棋的复杂性5.3AlphaGo的主要原理5.4重要的技术进步5.5一些可以改进的地方5.6未来0103020405065深度学习的胜利：AlphaGo6.2概率图模型6.1迁移学习6两个重要的概念7.1如何为不同类型的问题选择模型7.2我们如何学习“深度学习”7.3如何理解机器学习和深度学习的差异7.4大规模学习（LargeScaleLearning）和并行计算