深度学习-面向视觉识别的卷积神经网络，2016斯坦福大学公开课。课程介绍： 计算机视觉在社会中已经逐渐普及，并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。而这些应用的核心技术就是图像分类、图像定位和图像探测等视觉识别任务。近期神经网络（也就是“深度学习”）方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。 本课程将深入讲解深度学习框架的细节问题，聚焦面向视觉识别任务（尤其是图像分类任务）的端到端学习模型。在10周的课程中，学生们将会学

全名：theoretical neuroscience computational annd mathematical modeling of neural systems 计算神经科学是使用数学分析和计算机模拟的方法在不同水平上对神经系统进行模拟和研究： 从神经元的真实生物物理模型，它们的动态交互关系以及神经网络的学习， 到脑的组织和神经类型计算的量化理论等，从计算角度理解脑，研究非程序的、 适应性的、大脑风格的信息处理的本质和能力，探索新型的信息处理机理和途径， 从而创造脑。它的发展将对智

人工智能的概念 一般认为，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新的科学技术。人类日常生活中的许多活动，如数学计算，观察，对话，学习等，都需要智能。时至今日，人工智能概念的内涵已经被大大扩展，它涵盖了计算机科学，统计学，脑神经学，社会科学等诸多领域，是一个门交叉学科。人们希望通过对人工智能的研究，能将它用于模拟和扩展人的智能，辅助甚至代替人们实现多种功能，包括识别认知，分析，决策等。 人工智能的层次 基础设施层 算法层 所谓机器学习，是指利用算法使