《Neural Networks for Machine Learning》学习笔记

前言

Neural Networks for Machine Learning是我在coursera上学习的第二门人工智能相关的课程，第一门课程是吴恩达的《Machine Learning》，这是第一门课的笔记传送门。相对于面向大众的吴恩达的课程，这门课是一门一本正经的大学专业课，对于非专业的人来说就不那么易于理解了。所以如果有朋友想学习这门课程的话最好能有一定基础，还有要有一定的心里准备。接下来我就为大家简单介绍一下这门课程的主要内容和个人感想。
ps：这门课最开始是12年的，所以当时深度学习还没现在这么火。

课程概述

1.简介
2.感知器(Preceptron)
3.BP学习方法
4.文字的特征提取方法
5.初识神经网络
6.神经网络训练调优
7.循环神经网络
6.Hopfield神经网络和玻尔兹曼机
7.RBM
8.深度置信网络
9.深度学习的方法
10.最近进展

从上面的内容可以看出来本课程几乎涉及到神经网络的所有方面，从最简单的神经网络到最近的多层神经网络，从BP学习方法到训练调优的方法，知识覆盖面广，深度比较深，同时各种专业术语较多，给学习者带来了不小的挑战。

主要内容

神经网络简介

1. 什么是神经网络
2. 神经网络的意义
3. 神经元的基本模型
4. 神经网络的应用场景
5. 学习的类型
6. octave开发环境的部署

神经网络初识

1. 感知器相关知识
2. BP学习算法
3. 特征提取的方法
4. 神经网络的应用在目标识别中

神经网络的进阶知识

1. 循环神经网络
2. 霍普菲尔德神经网络
3. 马尔科夫模型
4. 玻尔兹曼机
5. RBM
6. 深度分层神经网络
7. 深度神经网络的进展

总结

1.你只知道你所知道的。
在学习这门课之前我对于人工智能的知识还是非常有自信的，毕竟本科毕设在做这块，研究生也做过相应的工作，工作后呢也一直还关注着这个领域，但在这门课学习到Perceptron
之后我就开始懵逼了，加上后面的SBN，循环神经网络，玻尔兹曼机听着似懂非懂的，在最后的测试中又崩盘数次，算是对于一向自我感觉良好的我的一种提醒。
2.大坑预警
这个课程有一个最大的坑那就是最后一次的作业(AS4)中有一个题目出错误了，注意先看看论坛，这个问题卡了我有两个小时，多次计算就是得不到正确结果，要崩溃时去论坛看了看发现了新大陆，这种问题实在是太不应该在coursea的课程中出现了。这个可能是12年，不知道为啥问题一直到现在没有解决。
3.有时候慢就是快，切忌心急
在学习这门课时有时太心急，于是将视频速度提到了2X速，但是带来的结果就是视频能理解的东西不多，在做题时就是猜，做不对了就只能去网上搜索，最后不得已又去视频里找资料反而又浪费时间。

正如某位大神说的，假如你看到了昨天一样的我，那么只能说明我又偷懒了。
好了，就这样吧，祝大家每天都有一个不一样的自己！