* 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