《神经网络》中文字幕版（2.3 感知器的几何空间 &2.4 感知器的原理透析）

《Neutral Network for Machine Learning》（机器学习中的神经网络）系列课程，是深度学习大神 Geoffrey Hinton 毕生所学之作，也是他目前唯一一门的公开课。

Hinton 何许人？之前介绍过，他是深度学习的开山祖师，三大巨头（另2位巨头是 Yann LeCun 和 Yoshua Bengio，其中 Yann LeCun 是Facebook的人工智能研究总监，CNN（卷积神经网络）之父，同时也是 Hinton 的学生！）。

金庸小说里常见的桥段是，主角偶然的机会，得到了某位武学大师的秘籍，功力大（kai）增（gua）而成就伟业，张无忌的九阳神功、令狐冲的独孤九剑、虚竹的天山六阳掌、郭靖的降龙十八掌等等......

也许你很高傲，但面对这位祖师的毕生所学之作，我也要恭喜点进来的你，因为这份视频教程推出了中文字幕（翻译的是雷锋网旗下的公众号AI研习社，公众号：okweiwu，二维码见文末），更重要的是，这份中文字幕版，得到了 Hinton 神的亲自授权！

往期课程：

• 1.1 为什么要学习机器学习 & 1.2 神经网络机制中的脑科学原理
• 1.3 简单的神经元模型 & 1.4 ANN的MNIST学习范例
• 1.5 这是一份开光的课程
• 2.1 RNN & 2.2 感知机

本文推送的是《Neutral Network for Machine Learning》这个系列的：

• 2.3 感知器的几何空间解析
• 2.4 感知器的原理透析

2.3 感知器的几何空间解析

上节课主要从数学公式上了解感知器的基本原理，比较抽象，这节课换个思路，在几何空间里深入了解感知器，让大家有更加直观的理解。同时，你将了解到超平面、锥平面、凸优化等术语。

2.4 感知器的原理透析

上几节课介绍感知器的基本公式，并从几何空间上简单讲解，这节课继续深入下去，用可视化的方式剖析公式背后的原理。

- END -