忧郁一休

深度信念网络是深度学习爆发前夕重要的研究成果，以Hinton 2006年的两篇论文为代表。A fast learning algorithm for deep belief netsReducing the dimensionality of data with neural networks其中，第二篇发表在science上的paper更是被称作深度学习的里程碑，值得大家阅读。

paper下载地址 请戳这里之前学习时就做了笔记，懒得重写啦。请戳这里

之前学习这篇paper的时候在有道云笔记里就做了记录，懒得再写一遍啦（捂脸）我直接把这篇笔记分享到这里，请戳这里论文下载地址，请戳这里

笔记一定要在看过paper的基础上再学习，切记！！！ 我建议paper看至少两遍吧，我都是这样做的，每一遍都有不同的收获~之前学习这篇paper的时候在有道云笔记里就做了笔记，不想再写一遍啦，直接附上笔记分享地址paper下载地址还是写了一遍，当然内容不大相同啦，建议都看看，加深印象哈哈摘要： 6千万参数，65万神经元 5个卷积层（其中一些层后面跟着pooling层）+ 3层全连接层（其中最后

1、常见的生成式模型和判别式模型有哪些？ 生成式模型：HMM、朴素贝叶斯 判别式模型：SVM、最大熵模型、神经网络、决策树、条件随机场2、EM算法的基本概念和应用场景？ EM算法是在概率模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。假设我们估计知道A和B两个参数，在开始状态下两者都是未知的，并且知道了A的信息就可以

2015年，DL界三大神（Yann LeCun，Yoshua Bengio & Geoffrey Hinton），为了纪念人工智能60周年，合作在Nature上发表深度学习的综述性文章。原文地址：Deep learning Review下载地址：Deep Learning Review译文地址： 上 下深入浅出的介绍了深度学习的基本原理和核心优势，详细介绍了CNN、分布式特征表示、RNN及其不同

推荐一本神经网络和深度学习领域的好书，Michael Nielsen写的，非常棒~强推~~~原版在线阅读地址：请戳这里中文版下载地址请戳这里

作者：丰晓霞 学校：太原理工大学 时间：2015 类型：硕士学位论文思想 深度学习和支持向量机结合–>构建图像识别的模型 利用卷积限制性玻尔兹曼机–>构建深度网络、改进训练过程摘要 本文研究的主要工作包括： （1）认真分析了图像识别的方法及存在的问题，对现有的图像识别算法进行了对比研究，详细叙述了深度学习的发展和进展，对比了深度学习结构相比浅层结构的优势所在，总结了深度学习的常用方法，

国立台湾大学电机工程学系助理教授–李宏毅 研究领域：机器学习、深度学习、语义理解、语音辨识 个人主页 课程名称：Machine Learning and having it deep and structured有PPT（pdf版本），有授课视频，可在线学习，也可下载观看。

以下列举了基于10种语言实现的30余种机器学习/深度学习框架，其中比较常用的有Theano、Keras、Caffe、TensorFlow等。PythonTheano 是一种用于使用数列来定义和评估数学表达的 Python 库。它可以让 Python 中深度学习算法的编写更为简单。很多其他的库是以 Theano 为基础开发的：Keras 是类似 Torch 的一个精简的，高度模块化的神经网络库。Th

TensorFlow官网 该框架在Github的地址 （偏底层，支持 Python 和 C++，也允许在 CPU 和 GPU 上的计算分布，甚至支持使用 gRPC 进行水平扩展。）Theano官网 （偏底层，最老牌和最稳定的库之一，更适合数值计算优化。它支持自动的函数梯度计算，带有 Python 接口并集成了 Numpy。）Keras官网 （偏高层，简单，支持python，可以工作在Tens

介绍深度学习在语音识别领域应用的6篇入门论文：Deep neural networks for acoustic modeling in speech recognition: The shared views of four research groups （2012年，Hinton，语音识别的突破）Speech recognition with deep recurrent neural ne

深度学习的突破，始于ImageNet比赛。介绍四篇深度学习在图像识别方面的paper：Imagenet classification with deep convolutional neural networks （简称AlexNet，发表于2012年NIPS上，被视为深度学习突破之作）Very deep convolutional networks for large-scale image r

作者：Bengio 译者：张志华 英文版：Deep Learning 英文版 中文版：Deep Learning 中文版这是MIT出版社2016年新出的一本新书，是DL界权威Bengio所写。

paper下载地址，请戳这里之前学习的时候，写了笔记，这里不再重写啦。请戳这里，查看笔记这个系列的笔记（alexnet、vggnet、googlenet、resnet）写的不是很详细，主要原因是，写笔记的时候，已经不是第一次看paper的时候啦，所以自己能理解的东西就没有再次记到笔记里，只是后来再次看一些博主对论文的解读时，把一些重要的知识点和不太理解的地方，写到笔记里，供自己回忆~