第一次作业：深度学习基础

一、视频学习心得及问题总结

小组成员	心得
李佩	机器学习属于人工智能领域，而深度学习则是应用了神经网络的机器学习。深度学习旨在建立模拟人脑进行分析学习的神经网络，模拟人脑的机制来解释数据。利用深度学习可以更加高效、智能的解决问题。目前对深度学习的研究主要集中在应用方面，例如，计算机视觉、语音识别和自然语言处理等。但是对其深层次的、理论的、共性的基础问题缺乏研究。因此深度学习也有很多的“不能”。我们评估深度学习时主要比较解释性和准确性。深度学习的准确性很好，但解释性很差，很多东西“知其然，不知其所以然”。
刘叶菲	人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。“人工智能”是“一门技术科学”，它研究与开发的对象是“理论、技术及应用系统”，研究的目的是为了“模拟、延伸和扩展人的智能”。就其本质而言，人工智能是对人的思维的信息过程的模拟。用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。 机器学习是一种实现人工智能的方法。机器学习就是用算法解析数据，不断学习，对世界中发生的事做出判断和预测的一项技术。研究人员用大量数据和算法“训练”机器，让机器学会如何执行任务。“机器学习”是“模拟、延伸和扩展人的智能”的一条路径，所以是人工智能的一个子集；“机器学习”是要基于大量数据的；正是因为要处理海量数据，所以大数据技术尤为重要；“机器学习”只是大数据技术上的一个应用。 深度学习是一种实现机器学习的技术。深度学习是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。它的基本特点，是试图模仿大脑的神经元之间传递，处理信息的模式。最显著的应用是计算机视觉和自然语言处理(NLP)领域。“深度学习”是与机器学习中的“神经网络”是强相关，“神经网络”也是其主要的算法和手段；或者我们可以将“深度学习”称之为“改良版的神经网络”算法。深度学习又分为卷积神经网络（CNN）和深度置信网（DBN）。其主要的思想就是模拟人的神经元，每个神经元接受到信息，处理完后传递给与之相邻的所有神经元。
高可欣	- 因为机器学习是以数据为基础，而数据不能保证绝对中立，所以人工智能很有可能带有偏见。 这个问题感觉又可悲又棘手。进行相关工作的科研人员，美国高收入白人家庭成员居多，人工智能的测试环境多出自于他们之手，很难不继承人类自身的偏见。但倘若未来人工智能真要出没于大众生活之中，偏见问题又是必须要解决的。果然科技最后总还是要和政治挂钩。 - 激活函数：一定被激活，不一定被传递。且倘若没有激活函数，括号里面只是矩阵相称，只能模拟线性。 - 神经网络的深度使容错率指数级降低，而宽度是线性降低。
张春雪	通过视频了解到人工智能的范畴大于机器学习，深度学习又是机器学习根据是否应用了神经网络这一条件划分出的一个子集，另一部分则是传统机器学习。传统机器学习更侧重的是专家去找特征选择分类器，深度学习侧重不同，深度学习有很多限制：算法输出不稳定，容易被“攻击”；模型复杂度高，难以纠错和调试；模型层级符合程度高，参数不透明；端到端训练方式对数据依赖性强，模型增量型差；专注直观感知问题，对开放性推理问题无能为力；人类知识无法有效引入进行监督，机器偏见难以避免。激活函数的引用在一定程度上提高了分类模拟的准确率。

小组成员	问题
李佩	层、梯度不太理解；误差反向传播、自编码器、受限玻尔兹曼机没听懂。其余很多地方也半懂不懂，太数学了！
刘叶菲	视频讲述的一些概念性的东西可以理解，但是不太清楚缘由，比如受限玻尔兹曼机、自编码器等不太懂。
高可欣	- BP那个是什么 - 编码器又是什么
张春雪	自编码器和受限玻尔兹曼机没听懂，目前不是很清楚视频里受限玻尔兹曼机那部分的似然，梯度下降等求解在以后实验中的实际应用。

 

二、代码练习

小组成员	代码练习链接
李佩	https://blog.csdn.net/m0_54554114/article/details/120668908?spm=1001.2014.3001.5502
刘叶菲	https://www.cnblogs.com/ouc-2021rjgc/p/15369400.html
高可欣	https://www.cnblogs.com/XIQI4/p/15374061.html
张春雪	https://www.cnblogs.com/2001glz/p/15384963.html