Deep Learning(深度学习)学习笔记整理 完整版PDF

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

《Deep Learning(深度学习)学习笔记整理》是整理自网上很大牛和机器学习专家所无私奉献的资料的。

目录

一、概述
二、背景
三、人脑视觉机理
四、关于特征
       4.1、特征表示的粒度
       4.2、初级（浅层）特征表示
       4.3、结构性特征表示
       4.4、需要有多少个特征？
五、Deep Learning的基本思想
六、浅层学习（Shallow Learning）和深度学习（Deep Learning）
七、Deep learning与Neural Network
八、Deep learning训练过程
       8.1、传统神经网络的训练方法
       8.2、deep learning训练过程
九、Deep Learning的常用模型或者方法
       9.1、AutoEncoder自动编码器
       9.2、Sparse Coding稀疏编码
       9.3、Restricted Boltzmann Machine(RBM)限制波尔兹曼机
       9.4、Deep BeliefNetworks深信度网络
       9.5、Convolutional Neural Networks卷积神经网络
十、总结与展望
十一、参考文献和Deep Learning学习资源