機器學習：
監督學習：有資料有標籤的
非監督學習：只有資料，沒有標籤。
半監督學習：用少量有標籤樣本和大量沒標籤樣本
強化學習：從經驗中總結提公升
遺傳演算法：適者生存，不適者淘汰。
神經網路
卷積神經網路nn
迴圈神經網路rnn，
lstm 長短期記憶，最流行的rnn技術之一。
自編碼autoencoding：神經網路的非監督學習。
gan生成對抗網路：
怎麼檢驗神經網路：
資料分為訓練資料和測試資料，7：3
誤差曲線
交叉驗證判斷最優引數
為什麼要特徵標準化：特徵資料標準化，歸一化
誤差=**-真實
怎麼區分好用的特徵：
判斷特徵對於結果的影響程度。
為什麼需要激勵函式：sigmon,relu,tah,
線性方程：y=wx
非線性方程：y=af(wx)
卷積神經網路用：relu
迴圈神經網路：relu，tah
什麼是過擬合：
過擬合中w往往比較大，可以通過l1/l2正規化來解決，讓學出來的曲線不過擬合。
加速神經網路訓練：
1.資料拆分，sgd
2.w+=-learning rate *dx
3.adagrad:
4.rmsprop
5.adam
處理不均衡資料：
1.想辦法獲取更多的資料
2.換評判方式。
confusion matrix
precision&recall
f1score（pr&score）
3.重組資料
複製合成，讓資料差不多
看到多的一邊的資料，讓分類資料差不多
4,使用其他機器學習方法，比如決策樹，不受資料影響
5，修改演算法
為什麼要批標準化：
只有統一規格的資料才能讓計算機學的更好，
batch normalization：
l1/l2正規化：
每個引數的平凡，l2，
每個引數的絕對值，l1，l1的解不穩定
什麼是強化學習：
開始無資料無標籤
從錯誤中學習找到規律，獲取資料地標籤，是計算機不斷地自己學。
強化學習彙總：
不理解環境model-free rl：
q-learning
policy gradients
saras
理解環境model-based rl：
q-learning
policy gradients
saras
基於概率 policy-based rl：
policy gradients
基於價值value-based rl：
q-learning
saras
基於這兩種產生地actor-critic方法，
回合更新：
基礎班policy gradients
單步更新：
q-learning
公升級版policy gradients
saras
什麼是q-learning:
也是乙個決策過程。
根據q表
差距=現實-估計
新q=老q+差距
什麼是sarsa：
與q-learning類似，但是saras的更新方式不同。
saras是在現學現，q-learning是離線學習。
saras（lamda）方法，
什麼是dqn（deep q network）
q現實q估計
新nn=老nn+α（q現實-q估計）
什麼是policy gradients（強化學習）：
什麼是ddpg(強化學習)：
吸收單步更新的精華
deep determinstic policy gradient=deep+determinstic policy gradient
determinstic policy gradient=determinstic+policy gradient
ddpg也是基於policy gradients和value-based 神經網路，policy gradients這邊又動作估計網路和動作現實網路，value-based這比那有狀態心是網路和狀態估計網路
什麼是a3c強化學習:基於actor critic，綜合考量。
a3c可以讓神經網路在不同的計算機核上執行，提高運算效率，一般的神經網路只在乙個核上執行。
關於深度學習的幾個問題（一）
1.關於deep learning 主要指cnn 調參的經驗？解析 深度學習整體上是越來越成熟的，不管是框架還是卷積神經網路，關於每個網路初始化引數和超引數的配置雖然有區別，但相似點似乎更多。1 啟用函式，首選relu。2 dropout 這個從alexnet延續至今，理由很簡單可有效防止過擬合。不...
關於FPGA學習的幾個問題
如何學好fpga呢，很多人很困惑，多數停留在基礎位置徘徊，我就這方面問題給大家談幾點自己的看法。1.基礎問題 fpga的基礎就是數位電路和hdl語言，想學好fpga的人，建議床頭都有一本數位電路的書，不管是那個版本的，這個是基礎，多了解也有助於形成硬體設計的思想。在語言方面，建議初學者學習veril...
關於FPGA學習的幾個問題
關於fpga學習的幾個問題 如何學好fpga呢，很多人很困惑，多數停留在基礎位置徘徊，我就這方面問題給大家談幾點自己的看法。1.基礎問題 fpga的基礎就是數位電路和hdl語言，想學好fpga的人，建議床頭都有一本數位電路的書，不管是那個版本的，這個是基礎，多了解也有助於形成硬體設計的思想。在語言方...