神经网络和深度学习图像的特征经典的图像特征之——Haar特征Haar特征实例——人脸检测Haar特征的不足之处最基本的决策模型——感知器较为复杂的感知器——多层感知器学习是靠要大量样本的积累的。每一个样本都有一定数量的输入量（考察条件）和一个理想输出值（理应如此），不必给出各输入量的权重以及最终偏差值，机器通过不断自我调整寻找这些量，使得尽可能多的样本匹配上其理想输出值。（注：有时候样本之间可能会因为各种原因出现矛盾的理想输出值，所以不能保证所有的样本都匹配）但是这里有一个问题，我们目前的决策是非此即彼的，非常机械化的决策。比如一个数字9，如果下方的那一撇写得不弯，变成了一条直线，那是不是这个数字就不是9了呢？我们是不是应该有一个过渡的过程呢？不再非此即彼——Sigmoid神经元多层Sigmoid神经元——神经网络建立神经网络自学习模型成本函数寻找成本函数的极小值——梯度下降算法梯度下降的改良——随机梯度下降总结——深度神经网络的学习过程Thx