1、玻尔兹曼机 维基百科 https://zh.wikipedia.org/wiki/受限玻尔兹曼机
基本概念 http://blog.csdn.net/xbinworld/article/details/44901865
RBM是用于进行特征变换的，采用联合概率分布来表示这种映射关系（基本的神经网络是采用决策函数来描述这种映射关系）https://zhuanlan.zhihu.com/p/24989699
一个RBM包含一个由随机的隐单元构成的隐藏层（一般是伯努利分布）和一个由随机的可见（观测）单元构成的可见（观测）层（一般是伯努利分布或高斯分布）。RBM可以表示成一个二分图模型，所有可见单元和隐单元之间存在连接，而隐单元两两之间和可见单元两两之间不存在连接，也就是层间全连接，层内无连接（这也是和玻尔兹曼机BM模型的区别，层间、层内全连接）。
2、经常提到的生成模型与判别模型 http://blog.csdn.net/mytestmy/article/details/9165031
3、DBM（深度置信网络）是什么？
DBNs是一个概率生成模型，与传统的判别模型的神经网络相对，生成模型是建立一个观察数据和标签之间的联合分布，对P(Observation|Label)和 P(Label|Observation)都做了评估，而判别模型仅仅而已评估了后者，也就是P(Label|Observation)。DBNs由多个限制玻尔兹曼机（Restricted Boltzmann Machines）层组成（也有说法是其堆叠的网络结构不仅仅是RBM，也可以是其他网络结构），这些网络被“限制”为一个可视层和一个隐层，层间存在连接，但层内的单元间不存在连接。隐层单元被训练去捕捉在可视层表现出来的高阶数据的相关性。
目前，和DBNs有关的研究包括堆叠自动编码器，它是通过用堆叠自动编码器来替换传统DBNs里面的RBMs。
http://blog.csdn.net/win_in_action/article/details/25333671
http://www.cnblogs.com/jhding/p/5687696.html
深度学习专栏（推荐看）http://blog.csdn.net/zouxy09/article/details/8781396
4、CPU与GPU（图形处理器）的区别与联系 http://blog.csdn.net/xbinworld/article/details/45676685
5、SNN是什么？脉冲神经网络（Spiking Neural Networks，SNNs）http://www.bigdataway.net/node/1597
https://www.zhihu.com/question/29735595
6、神经网络中学习的权重与特征的关系与区别？（未解决）
如何简单形象又有趣地讲解神经网络是什么？https://www.zhihu.com/question/22553761
7、反卷积可视化
可视化理解卷积神经网络 http://blog.csdn.net/hjimce/article/details/50544370
Ways for Visualizing Convolutional Networks https://buptldy.github.io/2016/09/25/2016-09-25-cnn_vis/