Deep Learning 深度学习的概念源于人工神经网络的研究，含多隐层的多层感知器就是有一种深度学些的结构 ，深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征的表示。
概念于2006年由Hinton提出，基于深信度网DBN提出的非监督的贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络 是第一个真正多层结构学习算法，他利用空间相对关系减少参数数目以提高训练性能。
深度学习的三大大佬
吴恩达 Cousera的创始人 参与Googel Brain 的项目，是百度的首席科学家，全面参与百度研究院的管理，包括百度大脑 计划。
Geoffery Hinton 多伦多大学计算机科学系教授 机器学习人工智能*专家，目前领导Googel Brain的项目。
Yann LeCun 人工智能尤其是深度学习领域最知名的学者之一，其在多伦多大学，是从Hinton,1988-2002年加盟贝尔实验室，期间研发了卷积神经网络(Convolutional Neural Networrk)与曾广泛使用的OCR的图像变换网络方法，当然图型压缩技术，DjVu可能更为大家所常见。
BP神经网络，是一种基于误差反向传播算法进行的，是一种多层前馈的神经网络。
式中的符号代表的是梯度的下降，常数η在(0，1)之间，表示比例系数，在训练中反映了学习的速率，可以看出BP算法属于δ学习规则类，这类算法常被称为误差的梯度下降法(Gradient Descent )算法。
数据的下载
PCA分析的神经网络
支持向量机神经网络
径向基函数
