机器学习论文笔记

近期阅读了一篇关于伪雷达的学术论文，在其中涉及的部分机器学习相关概念尚存在理解障碍，因此特此整理学习过程中的要点记录。

端到端深度学习架构设计

传统的机器学习处理流程一般由若干个相互独立的模块依次连接构成，每个模块负责完成特定的功能，前一阶段的输出结果会作为后续阶段的输入依据。而采用神经网络架构的深度学习模型则不同，其所有运算过程均在神经网络内部完成，不再需要将任务拆分为多个独立部分进行处理，这种特性被称为端到端（end-to-end）。

可以将 end-to-end 视作一个功能黑箱，输入数据经过内部处理后直接生成输出结果。以下是在自然语言处理任务中，传统机器学习方法与端到端深度学习方法之间的对比（图片来源于 @ViatorSun）：

神经网络结构与功能

这篇博客内容讲解得十分出色，对于初学者而言具有很高的参考价值：从神经元到深度学习，我从中选取了一些重要的部分进行整理。

一个独立的神经元结构：

![](https://cdl.itadn.c