更改
* 机器学习基础：
深度神经网络
输入(input),输出(output),批次(batch),一次迭代(epoch),权重(w),偏移(b),激活函数(activation function),损失函数(loss function) 通过训练调整权重使损害函数取最小的过程通过训练调整权重使损失函数取最小的过程
激活函数：ReLU sigmoid tanh
学习率(步长)
反向传播算法 The backpropagation algorithm求偏导数：减小求偏导数的运算量 梯度下降法进行权重的更新algorithm求偏导数：链式求导法则，减小求偏导数的运算量 改进：随机梯度下降法随机梯度下降法进行权重的更新
* tensorflow:
tensor 的概念
tensorflow编程框架
tensorflow训练实践(jupyter上编译 谷歌tensorflow网站上演示)
第三次课：
* 卷积神经网络（CNN）：
convolutional layers 卷积层 pooling layers 采样层 normalization layers 正则层(dropout) MLP 分类器
卷积核（2d 3d）
局部权重共用以简化计算
max pooling 缩小样本范围
LCN 减小过拟合的情况
广泛应用于图像识别（CNN+DENSE全连接）
* 循环神经网络（RNN）：
引入时间序列
W U V三类权重
LSTM——对RNN改进 引入记忆单元和门单元
第四次课：
GRU 简化LSTM 提高运算速度
智能音箱
Android studio 查看了有关app的源代码，初步了解开发安卓app的过程
audioPlot：
（1）录音生成对应语音指令的录音文件
（2）对应文件生成时频谱图（spectrogram）
audioNet：
（3）用tensorflow搭一个深度神经网络
（4）使用录音集进行训练
（5）验证神经网络准确率
AudioRec
（6）部署神经网络到硬件平台上
论文阅读
