1樓：
簡單說一下自己的看法。
在計算機視覺領域物體識別是最基本的內容，目前物體識別的演算法都是基於機器學習理論的，特徵是一組用來表徵某種物體的數字。在2D影象中，一般認為物體（what is an object？-cvpr2010）表徵體現為點、線、面三個層面，在深度學習得到大規模應用之前，大多數做cv的人都致力於在這三個層面提出用於描述物體的特徵（feature），比如關鍵點檢測（sift），邊緣檢測（sobel、canny），區域性特徵（hog）。
當然這些是底層的資訊，點線面在構成乙個物體的時候還有很多高層的語義資訊。在設計特徵的時候這些資訊都可以使用，其中最主要的是兩個方面，一是不變性（如位移、旋轉不變性），二是區分度。在設計好特徵之後，再訓練乙個分類器，一般是svm。
從而構成乙個物體分類器。不過大家發現這種手工設計特徵的方法實在是太難了，而且辛辛苦苦設計好的特徵泛化效能很差。
深度學習的效果被證明之後（ImageNet Classification with Deep Convolutional Neural Networks-nips2012），大家都開始使用端到端的方法學習特徵，給定乙個標定好的資料集，設定好卷積神經網路的結構以及優化的方法，在模型訓練完成之後，就可以使用這個模型去提取特徵了，使用深度學習學出來的特徵往往泛化效能比較好，因為這些特徵具有較強的語義資訊（更加抽象）。
其實說到底，特徵就是一堆數字。
y x x如何求出倒數，函式影象是怎樣的。？
SilverBeet 求導，非常簡單，用取對數的辦法就可以，或者兩邊取對數，隱函式求導也可以。影象，在x 0,容易理解。當x 0時，事實上不連續，有一些孤立的點是有意義的，看影象上閃爍的點就是。 周高超 d x x dx x x ln x 1 注意到y x x e x ln x 即可用復合函式求導來...
多元函式的影象怎麼表示？
大佬們求解 假設 超球 存在於四維空間，那麼我們雖不能直接觀察，卻可以現察三維投影的變化而去想象它 人類生活在乙個三維空間中，我們可以在其中運動，那麼我們就是在這三個維度中運動。假設三維物體只是四維物體的投影，那麼當三維物體沿時間變化時，便可認為不是物體變化了，而是四維物體沿著第四維度運動了 希小數...
為什麼函式y kx b的影象是一條直線？
夢魘使者 函式不是具有直線性質就是具有凹凸性質 考慮y kx b dy dx k d 2y d x 2 0 因為函式的二階導數既不大於0所以不是具有凹性質也不小於0所以也不具有凸性質 所以函式y kx b 只能是直線性質 任何閉區間連續的函式均可表示為多項式。多項式指ax n bx C這樣的 任何多...