更新：文章迁移到了这里。http://lanbing510.info/2014/11/07/Neural-Network.html，有对应的PPT链接。
注：整理自向世明老师的PPT
看不到图片的同学能够直接打开链接：https://app.yinxiang.com/shard/s31/sh/61392246-7de4-40da-b2fb-ccfd4f087242/259205da4220fae3
内容提要
2 前馈网络（单层感知器，多层感知器。径向基函数网络RBF）
3 反馈网络（Hopfield网络。联想存储网络，SOM。Boltzman及受限的玻尔兹曼机RBM，DBN，CNN）
发展历史
单层感知器
1 基本模型
2 假设激励函数是线性的话。可用最小二乘直接计算
3 假设激励函数是sifmoid function,可迭代更新（一次性或者逐样本更新）
上式仅仅做了简单的求导展开。非常easy推导
多层感知器
1 基本模型
2 举例（含有一个隐含层的多层感知器MLP）
模型：
y=h(v)=h(h(u))
求解：
这里怎么转换到6k(xi)的？
然后分别对两个层的权值求导：
然后更新就可以，反向传播（BP）
3 经验
4 优缺点
RBF神经网络
1 模型
2 求解
3 长处和视角
深度学习简单介绍
1 前向神经网络
2 发展历程
3 总体一览
4 一些值得关注
学术
工业
Belief Network & Hopfield Network & Boltzman机 & RBM 结构一瞥
1 Belief Network
2 Hopfield Network
3 Boltzman机
4 RBM 受限的玻尔兹曼机
RBM
1 模型
利用上图中公式。能够得到
2 求解 CD算法
DBN
1 模型
2 训练
面向特征提取
面向分类
DBM
模型
CNN
1 模型
2 训练
參考文献
