深度学习框架

导览

1. AI 的基石

2. FNN

3. CNN

4. RNN

5. 语音识别

6, 深度视频分析与理解

@书： 《深度学习》

2, FNN

前馈神经网络 ( feedforward neural network ) 是一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出给下一层．各层间没有反馈。是目前应用最广泛、发展最迅速的人工神经网络之一。研究从20世纪60年代开始，目前理论研究和实际应用达到了很高的水平。

2.1, 人脑神经网络

3, CNN

CNN 即 convolutional Neutral Network , 也叫卷积神经网络，相似于认得神经元，不同神经元有不同的功用，卷积神经网络中主要有两类神经元，一类是C元，一类是S元，C代表convolution， 即卷积，卷积操作主要用于特征提取，S代表subsampling，就是下采样，也叫特征映射，其实就是池化操作；因而卷积神经网络也主要由C层和S层组成，

4, RNN

递归神经网络 RNN（也称循环神经网络 Recurrent neural network）是一种节点沿着序列连接形成有向图的网络，显示时间序列的temporal dynamic behavior。与前馈神经网络不同之处在于，RNN可以使用其内部状态(记忆)来处理输入序列，递归/周期性的recurrent是指其每一个节点都执行相同的任务，但是输出依赖于输入和记忆，RNN适用于连续的手写识别、语音识别、机器翻译等任务。

5, 语言识别

6, 深度视频分析与理解