Deep Learning
概括
关于深度学习的定义，应用领域，为什么需要深度学习，以及深度学习过程。
1.深度学习应用领域：语音、视觉、医药、基因工程等方向
2.深度学习定义：一门充分应用、分类识别的技术。（自己目前的理解）
3.**函数（非线性）：
目的：解决线性不可分问题。 通常在神经网络结构中，只用一种**函数，除了最后一层输出层，其他全连接层神经元都要包含**函数。
常用的就是ReLU (Rectified Linear Unit)非线性**函数。
f(x) = max(0,x)
[在输入大于0时，直接输出该值；在小于0时，输出为0]
**函数图像：
几个**函数对比
four key ideas behind ConvNets : local connections, shared weights, pooling and the use of many layers.
4.防止过拟合
Dropout(随机失活)：一门正则化技术，让隐藏层的神经元任性一下，在训练时候，让神经元以超参数的概率被**或者被置为0 。【可以理解为对全连接的神经网络的抽样】train模式下，dropout层的局部梯度就是随机失活遮罩 （mask）