人腦的視覺系統可以說是世界的奇蹟之一，看下面一行數字：
你會覺得你毫不費力地看出了它是 50419 ，其實識別的過程並不簡單。人類大腦的每個半球中，有乙個初級視覺皮層，v1區，約含有1億4000萬個神經元，它們之間的連線數更是達到了數百億。然而，人的視覺不僅僅只是v1，整個一系列的視覺皮層還有 v2、v3、v4和v5，這些都做著更複雜的影象處理。如果大家對這方面想有更深入的了解，可以去看看這本書：神經計算原理/(美) fredric m. ham, ivica kostanic著 葉世偉, 王海娟譯
這裡會有乙個很有趣的問題，你是否覺得訓練樣本足夠多就能實現人工智慧。
2）後續將編寫乙個程式實現乙個神經網路，學習識別手寫數字。程式只需74行長，並無使用其他神經庫，但這個簡短的程式可以識別的數字精度超過百分之96。在後續的部落格中，改進方法，可以提高精度超過百分之99。
這裡之所以用手寫識別例項，因為它是乙個很好的原型問題，可以作為我們學習的切入點，起始點。手寫數字識別的確是具有挑戰性，但它並沒有想象中的那麼困難，但你需要先構思乙個解決方案，你的電腦要有很好的計算能力。我們會反覆地回到手寫識別的問題。在後面的學習中，我們將討論如何將這些思想應用於計算機視覺中的其他問題，以及在語言、自然語言處理和其他領域中的應用。
3）當然，如果只寫乙個程式來識別手寫體數字，那麼博文將非常簡短，對於初學者可能並不理解其中應用的理論思想！這一過程中，會設計很多神經網路的核心思想，包括2類重要型別的人工神經元（感知器和乙狀結腸神經），以及神經網路的標準學習演算法，稱為隨機梯度下降法
瞎掰了幾大段了，再接下來就是理論乾貨了，終於能進入正題了。
深度學習入門系列 神經網路
機器學習 定義 機器學習 machine learning,ml 是一門多領域交叉學科，涉及概率論 統計學 逼近論 凸分析 演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。分類 根據訓練集是否標註，9可以把機...
機器學習，深度學習，神經網路，深度神經網路
先來說一下這幾者之間的關係 人工智慧包含機器學習，機器學習包含深度學習 是其中比較重要的分支 深度學習源自於人工神經網路的研究，但是並不完全等於傳統神經網路。所以深度學習可以說是在傳統神經網路基礎上的公升級。神經網路一般有輸入層 隱藏層 輸出層，一般來說隱藏層大於2的神經網路就叫做深度神經網路，深度...
深度學習 淺層神經網路 3
目錄 一 神經網路表示 神經網路層數 隱藏數 輸出層 1 輸入不算是一層，可以說是第0層 第i層的值 w 1 可以用來表示是第1層的引數 每一層中有多個神經元，然後它們可以做相同的事，比如第一層中有3個引數，用下標來區分 二 啟用函式 sigmoid a frac 只用於二元分類輸出層 缺點 不是以...