深度前馈网络（Deep Feedforward Network，DFN），也叫做前馈神经网络（Feedforward Neural Network，FNN）或者多层感知机（Multilayer Perception，MLP），典型的深度学习模型。目标是拟合一个函数，如有一个分类器$y=f^{*}(x)$将输入$x$映射到输出类别$y$。深度前馈网将这个映射定义为$f(x,\theta)$，并学习这个参数$\theta$的值来得到最好的函数拟合。

  深度前馈网络（Deep Feedforward Network），也叫做前馈神经网络（Feedforward Neural Network）或者多层感知机（Multilayer Perception，MLP），典型的深度学习模型。卷积神经网络是一种专门的前馈网络。包含网络层、隐藏层和输出层。

  花书的理论性很强，在看完相关的理论后，感觉太过于抽象，于是结合实验进一步理解，在搜索了相关的实验例子中，选取了手写数字图像识别这一示例进行学习与推导。在总结相关理论之前，先演示手写数字图像识别的完整代码实现过程。

深度学习是机器学习的一个特定分支。

机器学习算法需要大量数值计算，通常是指通过迭代过程更新解得估计值来解决数学问题的算法，而不是通过解析过程推导出公式来提供正确解的方法。常见的操作包括优化和线性方程组的求解。

概率论用于表示不确定性声明的数学框架。人工智能领域，主要用于推理和统计分析AI系统行为。
概率论与统计学的区别，概率论和统计学解决的问题是可逆的。概率是已知模型和参数，推数据。统计是已知数据，推模型和参数。

线性代数，主要面向连续数学，而非离散数学。

《深度学习》本书所使用数学符号。

腾讯

1. 2019年10月，国际顶级医疗AI大会，腾讯8篇论文入选。https://mp.weixin.qq.com/s/Ue0D1E8DXrSSs9zTQ8BW-Q

AI基础方法调研。转自刘**整理资料。

AI的学习基础资料相关，方便后续学习查阅。转自刘**整理资料。