一个想要改变世界的IT slave的专栏

最近在做人脸识别的研究和开发，其中用的还是传统的支持向量机 ——SVM和特征提取方法 LBP(具有灰度不变形的优点）在少量的数据下，传统的机器学习方法相对于现在比较热门的深度学习算法有一定的优势，比如计算速度等。其中的SVM我使用的是台湾大学的LIBSVM的开源项目，这个开源项目是很经典而且很实用。 对于非端对端的学习，一个好的分类问题，需要的就是提取最有价值的特征，那么如何更好的使用LBP和对图

问题一现在深度学习如此火热，深度学习的技术现状，未来发展是否会成为通用技术基础？ 徐伟:深度学习会是人工智能的一个重要部分，而且被广泛使用。吴恩达:我相信深度学习在未来几年会创造更大的价值，而且这方面很缺人才。目前的人工智能仍然距离 人的智能 很远，而且还不清楚如何达到人的水平。我认为 我们要清楚 需要 用深度学习 做什么，什么不应该做，这是很重要的。问题二在比较充分的数据和

博主不才，研究深度学习有一段时间，主要专注CV领域。本科期间学习了机器学习的一些算法，用SVM做的人脸识别的工作，之后又去中科院实习，用深度学习来做人脸识别。所以，从传统算法，到深度，这个过程，我是深深体会到的。单从CV领域，尤其是二维方面的工作，卷积神经网络取得的成果，让我深深感到传统算法的无力。总的来说，深度学习算法是近几年机器学习革命般的成果。举个例子，很明显的对于传统算法很困难的LFW人脸数

神经网络简介博客主要内容神经网络框架神经网络前向传播实例神经网络反向传播实例总结引用一.神经网络简介今天，神经网络(nerual networks)已经是一个相当大的、多学科交叉的学科领域[1]。它不能用简单的用“一个算法”，“一个框架”，来总结它的内容。从早期神经元(neuron),到感知器(Perceptron),再到Bp神经网络，然后到今天的深度学习(deep learning)

一.卷积的概念卷积是分析数学中的一种重要运算，英文convolution。需要注意的是，以下我们考虑都是离散情况下的卷积操作。从概念上说，卷积是线性情况的下的滤波处理，性滤波处理经常被称为“掩码与图像的卷积”[1]。具体的操作则是，卷积是两