机器学习
无监督学习
监督学习
半监督学习
强化学习 经验中总结提升
遗传算法 适者生存不是者淘汰
什么是神经网络
Neural Network
人工神经元
数学模型 计算机模型
人工神经网络在外界信息的基础上改变内部结构
现代神经网络是一种基于传统统计学建模的工具
常用来对复杂的输入和输出间进行复杂的建模或者探索数据间的模式
神经网络是一种运算模型，有大量的节点（神经元）和之间的联系
神经元可以被固定或者强化形成固定的神经意识形态对特殊的信息会有更强烈的反应
百度图片搜索
input layer
hidden layer 1、2…
output layer
神经网络是如何训练的？
许多的数据（千万次以上）
对比真实和错误答案的差别
->识别正确率提高
->正确率提高直到到达一个很高的正确率
通过函数增加hidden layer
进而提高正确率
什么是卷积神经网络
通常运用于图像识别
神经网络是由一连串的神经层组成
每一层都有输入和输出值
输入信息是一层层的数字（矩阵）
卷积神经网络=卷积 神经网络
意味着不再是对每一个像素进行处理，而是对每一小块像素区域进行处理
这种做法加强了图片信息的连续性 使得神经网络能看到图形而非一个点
加深了对图片的理解
批量过滤器
通过对边缘信息总结更高层的信息结构
比如总结的边缘信息能画出眼睛鼻子
最后进行分类
图片是有高度的
黑白 高度为1
彩色 红绿蓝 高度为3
批量过滤器不断收集像素块，以同样的步骤进行卷积，将压缩增高的信息嵌入普通的神经层上 我们就可以对图片进行分类了
在每一次卷积，神经层可能会无意思丢失一些信息
这时，池化（pooling）就能很好的解决这个问题
就是在卷积的时候，我们不压缩长宽，尽量保留更多的信息。
压缩的工作交给池化
这时我们就可以搭建我们自己的神经网络了