深度学习RNN

神经网络（NN）具有魔法的宝盒，只要给一个初始条件，就能够给出想要的结果，示意图如下：

深度学习：

深度学习是机器学习的子集，使用神经网络来进行学习和预测，基于大数据的可用性和算力，广受欢迎

神经网络：

神经网络是一个相互连接的神经元可以理解为函数拟合器，每个神经元都是一个小规模拟合器，f(·)=g(W*X)，W是权重向量，X是输入向量，g(·)是非线性变换，学习训练的过程就是一个寻找最佳权重向量，来拟合函数，使得已知与未知的差异尽可能小的过程

函数：

函数就是从输入空间到输出空间的映射，例如：sin(x)正弦曲线是从角空间（-°~°）映射到实数空间（-1~1）

深度学习与插值：

我们通过插值使得函数尽可能拟合数据，但是会导致此数据拟合完美彼数据失去泛化能力，也就是过拟合的问题

深度学习需求：

模型尽可能泛化能力要好（正则化处理）

选择损失函数，使得已知与未知之间的区别能够被感知

梯度下降（可发展空间大时，快点跑，快到目的地时，慢点跑）

梯度消失（激活函数）

数据量大（要学习的函数复杂，需要多次试错）

算力（数据量大，对计算效率要求高：快速、准确）

参考文章：