循环神经网络是一类以序列数据为输入，在序列的演进方向进行递归且所有节点（循环单元）按链式连接的递归神经网络。 对循环神经网络的研究始于二十世纪80-90年代，并在二十一世纪初发展为重要的深度学习算法?，其中双向循环神经网络和长短期记忆网络是常见的的循环神经网络

生成式对抗网络（generative adversarial network，GAN）是由谷歌公司在 2014 年提出的一个网络模型，主要灵感来自于二人博弈中的零和博弈，也是目前最火热的非监督深度学习的代表。“GAN 之父”Ian J. Goodfellow 也被公认为人工智能的顶级专家。

强化学习是机器学习的一个重要分支，是多学科多领域交叉的一个产物，它的本质是解决?decision making 问题，即自动进行决策，并且可以做连续决策。

你会发现聪明人都喜欢”偷懒”, 因为这样的偷懒能帮我们节省大量的时间, 提高效率. 还有一种偷懒是 “站在巨人的肩膀上”. 不仅能看得更远, 还能看到更多. 这也用来表达我们要善于学习先辈的经验, 一个人的成功往往还取决于先辈们累积的知识. 这句话, 放在机器学习中, 这就是今天要说的迁移学习了

卷积神经网络是近些年逐步兴起的一种人工神经网络结构, 因为利用卷积神经网络在图像和语音识别方面能够给出更优预测结果, 这一种技术也被广泛的传播可应用. 卷积神经网络最常被应用的方面是计算机的图像识别, 不过因为不断地创新, 它也被应用在视频分析, 自然语言处理, 药物发现, 等等. 近期最火的 Al