Deep Learning 笔记整理 2：深度学习过程介绍 1

深度学习是建立在人工神经网络的基础上进行的，是模拟人脑神经网络进行活动的，所以先简单的了解一下人脑神经网络的工作流程。其实主要就是思考一个问题，人是怎么“看到”东西的，即人在用眼睛捕获到一个物体之后，要经过一个怎样的处理、传输过程，最终被人感知到。

---

1981 年的诺贝尔医学奖，颁发给了 David Hubel（出生于加拿大的美国神经生物学家） 和TorstenWiesel，以及 Roger Sperry。前两位的主要贡献，是“发现了视觉系统的信息处理”，即可视皮层是分级的，也就是完美的发现了人“看到”一个物体的详细过程。
他们发现，人从眼睛接收到信号之后，神经-中枢-大脑的工作过程是一个不断迭代、不断抽象的过程。
这里有两个关键词：迭代和抽象。迭代不难理解，主要是对于抽象的解释。其实这个抽象更多的是针对于机器来说的。很简单的一个例子：一张风景的照片，我们看到的第一反映是“好漂亮的风景”“天空好蓝”“森林好绿”等，但是对于电脑来说呢？将一张图片直接拖入Matlab中，我们会发现得到的是一个矩阵，在我们眼中漂亮的景色都变成了矩阵中的一个个数字。也就是说，对于电脑来说，最简单最直观的就是一个个数字，而这些数字构成的图片对于它们来说就是十分抽象的。而人脑也是这样的，他是从原始信号，做低级抽象，逐渐向高级抽象迭代。人类最终得到的信号也是人类最能接受的信号都是高级抽象的。
人类的视觉过程是这样的，首先是原始信号的捕获（眼睛摄入像素），接着做初步处理（大脑皮层某些细胞发现边缘和方向），然后抽象（进行边缘的组合，得到object parts），然后进一步抽象（将object parts进行组合，得到object models）。

总的来说，人的视觉系统的信息处理是分级的。从低级的V1区提取边缘特征，再到V2区的形状或者目标的部分等，再到更高层，整个目标、目标的行为等。也就是说高层的特征是低层特征的组合，从低层到高层的特征表示越来越抽象，越来越能表现语义或者意图。而抽象层面越高，存在的可能猜测就越少，就越利于分类。这就像我们的语言一样，几个字很难表达出一个人的想法，但是如果是一句话呢，这就使得表达的效率大大提高了，如果还不够那一段话呢，就这样抽象的层面越来越高，表达的就越来越准确。
敏感的人应该注意到了，重点是分层。而之后学习的Deep Learning中的deep就代表了分多少层，多深。

参考：http://blog.csdn.net/zouxy09/article/details/8775360