寄语: 孩儿们，操练起来！！
2016年10月开始接触人工智能技术，暂且把他叫做深度学习，因为离 AGI通用人工智能 还有段距离。
目前记录了一些笔记和一些新的技术需要记录下来，包括：深度学习的基础-线性回归、梯度下降、误差和成本函数等
一、概述 智能=常识(知识库)+感知+记忆+预测+推理+规划
二、数值计算
让我们开始从神经网络开始，人脑里有亿万神经元，神经元又彼此链接，如下图每个神经元都有自己的值，每个神经元都有自己的权重或者叫概率，这个概率是可以通过自我学习得到，这种学习叫做训练！
我可以把上图转换为一个公式
每个输入x和自己的权重W相乘然后相加。这是加权的算法
然后我们对这个和的值设置一个阀值，用于计算这个阀值的函数称为激活函数
除了sigmoid 激活函数还有 tanh 和 Relu （ｒｅｃｔｉｆｉｅｄ linear unit）
三、深度学习算法 a)RNN循环网络
循环神经网络公式如下
s=fh=tanh(Whi*X+b1) 求出当前输入层到隐藏层
o=fo=softmax(Woh*S+b2) 求出输出层
St=tanh(WhiXt+WhhSt-1+b1) 加上一次的隐藏层S，当前隐藏层＋上一个时刻的St-1 的加权，使用权重状态转换，或者说这个权重去学习上次到这一次的状态
Ot=softmax(Woh*St+b2) 当前状态到输出
Whi=输入层到隐藏层的权重矩阵
Woh=隐藏层到输出层的权重矩阵
Whh=隐藏层到隐藏层的权重矩阵
b)CNN卷积网络 c)增强学习 d)进化算法
四、基建 分布式计算 自动深度学习 automl
五、应用 AIGC(语音识别、视频配音、视频预测与补帧）
人机对话系统，好吧！我还在研究！
2023/2/2 更新 chatGPT 强势来袭，目前有Unity 版本的，还有语音版本非常牛
六、边缘计算 移动和嵌入式
附录：
变换道路场景 变换道路场景－视频版本 高清人脸合成 超参搜索 图网络
http://robots.stanford.edu/teichman/
新技术包括自动驾驶 wellcar 项目，这个项目只有一个架子，参考了一些BAT巨头的程序架构， apollo 百度无人车项目，不是JAVA 的apollo ,网站戳这里！
