2.2ニューラルネットワークとは何ですか
長さと幅、高さの増加を削減
共通の構造：
RNN
前入力データを解いた後、間の関連 - の前に何が起こったかを覚えています
RNNの多くの形態があります
アプリケーション：説明写真、翻訳、作曲などが
LSTM RNN
ショートとの長期記憶
の伝統的なRNNの欠点：グラデーションが消えるまたは爆発勾配
LSTM：つ以上のコントローラ：入力コントローラ（入力重要性を決定する）、出力制御部（）;コントローラを忘れます
コーディングautocoderから2.6
PCAは同じ次元削減のようにすることができます
2.7 GaN系
意味のある仕事を生成するランダムな番号
2.8
ニューラルネットワークはブラックボックスとして見ることができます
が、実際のブラックボックス内の抽象を入力し続けることです、新しい入力であると見ることができます
## 2.9ニューラルネットワーク：勾配降下
勾配降下を最適化問題から
が、局所最適解に陥る可能性があります
2.10、巨人の肩の上に立って移行することを学びます
既存のリソースに描き、誰もがコンピューティングリソースをたくさん持っている
ニューラルネットワークは引き分けが訓練された
神経層の前に、最後の1を交換し、もはや訓練された
ニューラルネットワークはシンプルである場合は、移行で使用するすべての時間を学習よりは、しないでください学習ニーズを転送、それ以外の場合は、いくつかの干渉を引き起こすことがあり