大家好，欢迎阅读深度学习专题。我们之前的机器学习专题已经结束了，我们把机器学习领域当中常用的算法、模型以及它们的原理以及实现都过了一遍。

目录├─02、深度学习入门视频课程（上篇）│├─10梯度下降算法原理.wmv│├─11反向传播.wmv│├─12神经网络整体架构.wmv│├─13神经网络模型实例演示.wmv│├─14过拟合问题解决方案.wmv│├─15Python环境搭建（推荐Anaconda方法）.wmv│├─16Eclipse搭建python环境.wmv│├─17深度学习入门视频课程09动手完成简单神经网络.wmv│├─18

6月6日，由CAAI深度学习专委会主任季向阳教授、阿里巴巴集团副总裁、淘系技术部负责人汤兴担任论坛主席的《深度学习专题论坛》将拉开帷幕。期间，淘系技术部推荐算法负责人欧文武

第三部分是深度学习专题。

一早期的图像处理技术缺点有提取了全局的特征而丢了细节。特征提取-索引技术-相关反馈-重排序简单的特征变换包括了：中心化，变量减去它的均值，相当于平移之后，所有数据觉得中心是(0，0)；归一化，指的是，所有数据减去均值再除以标准差；去相关，消除或减弱多光谱图像波段之间的相关性：KL变换、HIS(色度、亮度、饱和度)变换；白化：使图像的像素值转化为零均值和单位方差。特征提取-索引技术-相关反馈-重排序

(1)Berkeley深度学习专题课程：https://berkeley-deep-learning.github.io/cs294-dl-f16/(2)stanford基于于深度学习的自然语言处理（有视频

上课笔记人脸识别：PCA是经典的算法。人脸验证/人脸比对（FaceVerification）•1比1的比对，即判断两张图片里的人是否为同一人•应用场景：人脸解锁•人脸识别（FaceIdentification）•1比N的比对，即判断系统当前见到的人，为数据库中众多人中的哪一个。•应用场景：疑犯追踪，小区门禁，会场签到，客户识别传统人脸识别的主要思路是设计特征提取器，再利用机器学习算法对提取特征进行

【ICML2015深度学习专题讨论会总结】《BriefSummaryofthePanelDiscussionatDLWorkshop@ICML2015》byKyungHyunChoO网页链接提供的译文《

课程是吴恩达的深度学习专题,分为五个部分：神经网络和深度学习改善深层神经网络：超参数调试、正则化以及优化结构化机器学习项目卷积神经网络序列模型我会以这五个部分为题记五份笔记，如果有人在看，欢迎大家指出错误