Paper基础

1. 卷积的概念

如果我们将小明的存款函数视为一个信号发生（也就是激励）的过程，而将复利函数视为一个系统对信号的响应函数（也就是响应），那么二者的卷积就可以看做是在时刻t对系统进行观察，得到的观察结果（也就是输出）将是过去产生的所有信号经过系统的「处理／响应」后得到的结果的叠加，这也就是卷积的物理意义了。

这也就是卷积的表达式了，上式可以记为(f * g)(t)。

2. 机器学习

机器学习（Machine Learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断完善自身的性能的学科

图像识别、语音识别、内容推荐、自然语言处理处理过程：



好的特征具有不变性（大小，尺度，旋转）和可区分性，如SIFT

瞳孔区域与大脑皮层神经元的对应关系，当瞳孔发现了眼前物体的边缘，而且这个边缘指向某个方向时，这时神经元细胞就会活跃

从原始信号，做低级抽象，逐渐向高级抽象迭代。从原始信号摄入开始（瞳孔摄入像素），接着做初步处理（大脑皮层某些细胞发现边缘和方向），然后抽象（大脑判断，眼前的物体的形状，是圆形的），然后进一步抽象（大脑进一步判定物体是只气球）。



人的视觉系统的信息处理是分级的

3. 特征表示

特征是机器学习的原材料

DeepLearning 需要多层来获得更抽象的特征表达

4. 深度学习

基于统计模型的机器学习热潮， SVM， Boosting，Logistic Regression，