壹. 内容补充
一. VR／AR／MR的区别
1. 三者概念
VR 全称 Virtual Reality，即虚拟现实；AR：全称 Augmented Reality，即增强现实（扩充实景）；MR全称Mixed Reality，即混合现实（混合实景），顾名思义就是把AR的概念和VR混合。
AR、VR、MR这三种技术之间的关系，可以用房屋的比喻来解释。VR（虚拟现实）就像是在你房间内建造了一个全新的房子，你可以进入到这个虚拟的房子中，感受到完全不同的环境和场景，完全脱离了现实世界的束缚。AR技术是在现实世界的基础上增加虚拟元素， 例如在手机或者平板电脑屏幕上叠加虚拟的三维物体、文字、图像等元素，或者通过AR眼镜等设备实现。MR（混合现实）就像是在你的房间里建造了一个可以随时转换的玻璃房子，你可以随时打开或关闭这个玻璃门，让虚拟和现实之间进行切换和交互，例如通过玻璃门看到虚拟物品和真实物品的融合。
2. 区别
AR、VR和MR在实现方式、应用场景和用户体验方面都存在着一些区别。
（1）实现方式不同
- VR技术通过戴上VR头盔或眼镜等设备，将用户完全隔离于现实世界之外，进入一个全新的虚拟世界。
- AR技术是在现实世界的基础上增加虚拟元素，例如在手机或者平板电脑屏幕上叠加虚拟的三维物体、文字、图像等元素，或者通过AR眼镜等设备实现。
- MR技术则是在真实世界和虚拟世界之间进行切换和交互，它可以在现实场景中添加虚拟元素，让虚拟和现实更加融合在一起。MR技术通过AR技术和VR技术的结合实现，例如
Microsoft HoloLens。
（2）应用场景不同
- VR技术适用于需要沉浸式体验的场景，例如虚拟旅游、虚拟现实游戏、虚拟现实培训、医疗治疗等。
- AR技术可以应用于游戏、教育、商业、医疗等领域，例如Pokemon Go游戏。
- MR技术可以应用于工业、建筑、娱乐等领域，例如在工厂中使用虚拟模拟进行机器学习或者建筑师使用AR眼镜查看建筑模型。
（3）用户体验不同
- VR技术让用户完全脱离现实世界，体验到完全虚拟的环境和场景，让用户更加沉浸和享受。
- AR技术让用户在现实世界中感受到更多的信息和体验，但同时也依赖于现实世界的环境和物品。
- MR技术则可以让用户在虚拟和现实之间切换和交互，让用户感受到虚拟和现实的融合和互动。
二. 深度学习重要算法及人物介绍
1. 反向传播算法
反向传播算法（英：Backpropagation algoritmm，简称：BP算法）是一种监督学习算法，常被用来训练多层感知机。
于1974年，Paul Werbos首次给出了如何训练一般网络的学习算法， 而人工神经网络只是其中的特例。不巧的是，在当时整个人工神经网络社群中却无人知晓Paul所提出的学习算法。
直到80年代中期，David Rumelhart、Geoffrey Hinton、RonaldWilliams、David Parker和Yann LeCun提出多层网络中的反向传播算法，获得了广泛的注意，引起了人工神经网络领域研究的第二次热潮。
2. 卷积神经网络
卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。现代卷积神经网络的创始人是著名的计算机科学家Yann LeCuh，他是第一个通过卷积神经网络在MNIST数据集上解决手写数字问题的人。
严格意义上讲， LeCun是第一个使用误差反向传播训练卷积神经网络（CNN）架构的人，但他并不是第一个发明这个结构的人。 而福岛博士引入的Neocognitron，是第一个使用卷积和下采样的神经网络，也是卷积神经网络的雏形。
福岛邦彦（Kunihiko Fukushima）设计的具有学习能力的人工多层神经网络，可以模仿大脑的视觉网络，这种「洞察力」成为现代人工智能技术的基础。福岛博士的工作带来了一系列实际应用，从自动驾驶汽车到面部识别，从癌症检测到洪水预测，还会有越来越多的应用。
贰. 习题精选1
一. 选择
-
以下不属于人工智能学派的是（）
A.符号主义
B.连接主义
C.行为主义
D.模仿主义 -
以下哪位科学家发明了现代卷积神经网络（）
A.Yoshua Bengio
B. Yann LeCun
C.Geoffrey Hinton
D. Jürgen Schmidhuber -
多层网络中反向传播算法的提出者是（）
A. Sepp Hochreiter
B.Jürgen Schmidhuber
C.David Rumelhart
D. Yoshua Bengio -
深度学习三巨头不包括（）
A. Yoshua Bengio
B. Yann LeCun
C. Geoffrey Hinton
D. Jürgen Schmidhuber -
下列哪个神经网络结构会发生权重共享（）
A.卷积神经网络
B.循环神经网络
C.全连接神经网络
D.选项A和B
