读《深度学习》笔记
概念上
深度学习 < 表示学习 < 机器学习 < AI系统
近年大众理解的深度学习 基本等价于 人工神经网络(现在，实际上不然)，主要是因为，我们所知的一些最早的学习算法，旨在模拟生物学习的计算模型，即大脑是怎么学习。
深度学习的神经观点受两个主要思想启发：
- 大脑作为例子证明智能行为是可能的，因此，概念上，建立智能的直接途径是逆向大脑背后的计算原理，并复制其功能。
- 理解大脑和人类智能背后的原理也非常有趣，因此机器学习模型除了解决工程应用更的能力，如果能让人类对这些基本的科学问题有进一步的认识，也将会很有用。
第2章 线性代数 讲到“特征分解”，大学学线代时，一直没理解，什么叫他妈的“特征分解”？
本书的解释：
许多数学对象可以通过将它们分解成多个组成部分或者找到它们的一些属性来更好地理解。这些属性是通用的，而不是由我们选择表示它们的方式所产生的。
例如，整数可以分解为质因数，12=223。从这个表示中我们可以获得一些有用的信息，比如12不能被5整除、12的倍数可以被3整除。
同样地，就可以通过分解矩阵来发现矩阵表示成数组元素时不明显的函数性质，这就叫“特征分解”。