博客内容取材于：http://www.cnblogs.com/tornadomeet/archive/2012/06/24/2560261.html
参考资料：
补充材料：
- 大数据分析的4个核心概念【最重要且常用的四个因素】
- 关于线性模型你可能还不知道的二三事（一、样本）
- 关于线性模型你可能还不知道的二三事（二、也谈民主）
- 关于线性模型你可能还不知道的二三事（三、特征值与奇异值的魔力）
tornadomeet博客整理得很好，欣赏这样的学习态度。
该博客基本取材于UFLDL，在两者取舍间还是选择按照tornadomeet博客的剧本走一遍。
因为大部分概念都已熟知，在此过一遍的意义在于查缺补漏，巩固基础。
该博客年初发现，如今我也有了这样的“博客导航”，这便是正能量的传播效应。
Deep Learning学习笔记: Deep learning：五十一(CNN的反向求导及练习) Deep learning：五十(Deconvolution Network简单理解) Deep learning：四十九(RNN-RBM简单理解) Deep learning：四十八(Contractive AutoEncoder简单理解) Deep learning：四十七(Stochastic Pooling简单理解) Deep learning：四十六(DropConnect简单理解) Deep learning：四十五(maxout简单理解) Deep learning：四十四(Pylearn2中的Quick-start例子) Deep learning：四十三(用Hessian Free方法训练Deep Network) Deep learning：四十二(Denoise Autoencoder简单理解) Deep learning：四十一(Dropout简单理解) Deep learning：四十(龙星计划2013深度学习课程小总结) Deep learning：三十九(ICA模型练习) Deep learning：三十八(Stacked CNN简单介绍) Deep learning：三十七(Deep learning中的优化方法) Deep learning：三十六(关于构建深度卷积SAE网络的一点困惑) Deep learning：三十五(用NN实现数据降维练习) Deep learning：三十四(用NN实现数据的降维) Deep learning：三十三(ICA模型) Deep learning：三十二(基础知识_3) Deep learning：三十一(数据预处理练习) Deep learning：三十(关于数据预处理的相关技巧) Deep learning：二十九(Sparse coding练习) Deep learning：二十八(使用BP算法思想求解Sparse coding中矩阵范数导数) Deep learning：二十七(Sparse coding中关于矩阵的范数求导) Deep learning：二十六(Sparse coding简单理解) Deep learning：二十五(Kmeans单层网络识别性能) Deep learning：二十四(stacked autoencoder练习) Deep learning：二十三(Convolution和Pooling练习) Deep learning：二十二(linear decoder练习) Deep learning：二十一(随机初始化在无监督特征学习中的作用) Deep learning：二十(无监督特征学习中关于单层网络的分析) Deep learning：十九(RBM简单理解) Deep learning：十八(关于随机采样) Deep learning：十七(Linear Decoders，Convolution和Pooling) Deep learning：十六(deep networks) Deep learning：十五(Self-Taught Learning练习) Deep learning：十四(Softmax Regression练习) Deep learning：十三(Softmax Regression) Deep learning：十二(PCA和whitening在二自然图像中的练习) Deep learning：十一(PCA和whitening在二维数据中的练习) Deep learning：十(PCA和whitening) Deep learning：九(Sparse Autoencoder练习) Deep learning：八(Sparse Autoencoder) Deep learning：七(基础知识_2) Deep learning：六(regularized logistic回归练习) Deep learning：五(regularized线性回归练习) Deep learning：四(logistic regression练习) Deep learning：三(Multivariance Linear Regression练习) Deep learning：二(linear regression练习) Deep learning：一(基础知识_1)