标签：
课程地址：https://class.coursera.org/ntumltwo-002/lecture
重要！重要！重要！
1.浅层神经网络与深度学习
2.深度学习的意义，减轻每层网路的负担，简化复杂的特征。对复杂的raw feature 学习任务十分有效，例如机器视觉，语音。
下面数字识别中，将像素特征转为笔画特征进行学习，而不知直接对整个数字特征学习
3.深度学习面临的问题和关键技术。随着神经网络的层数增加，可以设计出各式各样的神经网络结构，很难选择出对问题有用的结构。模型的复杂度和计算量也变得非常大。
林老师认为正规化（regularization）和初始化（initialzation）是设计出好的深度学习的关键技术。
4.
标签：
原文地址：http://www.cnblogs.com/wxquare/p/5346679.html
