內(nèi)容：

一、概述

二、背景

三、人腦視覺機(jī)理

四、關(guān)于特征

4.1、特征表示的粒度

4.2、初級(jí)（淺層）特征表示

4.3、結(jié)構(gòu)性特征表示

4.4、需要有多少個(gè)特征？

五、Deep Learning的基本思想

六、淺層學(xué)習(xí)（Shallow Learning）和深度學(xué)習(xí)（Deep Learning）

七、Deep learning與Neural Network

八、Deep learning訓(xùn)練過程

8.1、傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法

8.2、deep learning訓(xùn)練過程

九、Deep Learning的常用模型或者方法

9.1、AutoEncoder自動(dòng)編碼器

9.2、Sparse Coding稀疏編碼

9.3、Restricted Boltzmann Machine(RBM)限制波爾茲曼機(jī)

9.4、Deep BeliefNetworks深信度網(wǎng)絡(luò)

9.5、Convolutional Neural Networks卷積神經(jīng)網(wǎng)絡(luò)

十、總結(jié)