作为入门深度学习的好书：Deep Learning，这里记录一下自己阅读学习过程中一些重要的地方！
表示学习
一般机器学习的任务是提取特征集，利用特征集来进行训练分类。但是对于许多任务来说，很难知道应该提取哪些特征。解决这个问题的一个途径是使用机器学习来发现表示本身，这种方法称为 表示学习算法，它能够帮助发现一个很好的特征集。
深度学习引入
当设计特征或学习特征的算法时，我们的目标通常是分离出能解释观察数据的变化因素，但是现实世界中，从原始数据中提取这样高层次的、抽象的特征是非常困难的，众多的影响因素使得问题复杂化。
深度学习通过其它简单的表示来表达复杂表示，解决了表示学习中的核心问题。
深度学习让计算机通过较简单概念构建复杂的概念。深度学习模型的典型例子是：前馈深度网络或多层感知器（Multi Layer Perceptron）（关于感知器与一般分类器的发展，比较有趣的历史：《brief history machine learning》）
深度学习模型的深度并不存在单一的正确值，因为构建这个模型所使用的最小元素集（函数集）不同，这个道理类似于不同语言写出的计算机程序长度不一样。
深度学习作为机器学习的一种，具有强大的能力和灵活性，它将大千世界表示为嵌套的层次概念体系。