深度学习是什么？
机器学习与深度学习
早期：感知机
中期：神经网络
非神经网络时期
现代：深度学习
生物神经元和感知器
MP神经元模型
输入：其他n个神经元传递过来的输入信号。
处理：输入信号通过带权重的连接进行传递。
错误预测的代价
损失函数—交叉熵（用于输出值为0-1的模型）
J（W）= 真实的概率*log（预测的概率）
优化算法（课堂重点）
找到使得损失函数最小的神经网络参数（权重）
W* = argmin J（W）
J（W0,W1）
回顾—梯度下降法：
多层神经网络梯度怎么求？
链式求导+动态规划 结合起来可以快速求梯度，下节课讲解。
神经网络基本机构
神经网络学习-反向传播算法
图像作为输入的神经网络