1樓：
各位答主也不要一味的批評嘛，了解生物也不一定是要在演算法原理上創新，也可以做做應用嘛，比如我知道有機械人做的很厲害的組就也研究生物，一直追nature最新的文章那種
2樓：Jinbiao Yang
先給題主推薦一本書On Intelligence，是乙個IT界牛人轉行腦科學後寫的書。書中的觀點並非新潮，也不算主流，但論述角度很好，適合傳統計算機界人士重新整理對腦科學的認知，北師大腦所的甄宗雷老師和我的老闆都向我推薦過這本書。日後有機會我會補一些讀後感想。
btw，我就是由計算機轉腦科學的case(絕對不是不擅長本科專業才轉的哦~雖然現在這種也蠻多的)，兩個領域都切實涉足的現在深感兩者的結合的前景有多麼巨大！
3樓：
同上，如果你純粹是對生物感興趣則另當別論。如果是希望獲取靈感在研究上有什麼突破之類，就不必了。
昨天剛聽Yann Lecun在課上批判盲目模仿生物科學的。還舉了個造飛機的例子說明，重要的是空氣動力學這個本質理論，而非把翅膀造的跟鳥一樣。而神經生物學，說白了都還沒人研究透背後的原理機制，光模仿表象根本沒什麼意義。
深度學習卷積神經網路優點
以下內容參考了Stacked convolutional auto encoders for hierarchical feature extraction,Jonathan Masci,Ueli Meier,Dan Ciresan,and J urgen Schmidhuber,2011 In v...
自學人工智慧，想從深度學習神經網路開始，然後在機器學習，怎麼樣
大江東去 每個人的知識體系都不一樣，所以從深度學習 神經網路開始學習，未嘗不可。基礎的神經網路有 卷積神經網路 卷積神經網路的一種經典結構如下圖所示，主要包括卷積層 降取樣層和全連線層。卷積神經網路 深度殘差網路 深度殘差網路在普通卷積神經網路中加入了跨層恒等連線。深度殘差網路 深度殘差收縮網路 深...
工程領域的人工神經網路和深度學習等方法，是否需要尋求其在神經科學 認知科學和生物學等其他領域的合理性？
徐雙雙 在 神經網路哲學的數學原理 出版前，你提出的任何新穎的技術方案，除了實際效果還不錯外，可能真的沒有一點可以證明其正確性和適用性的依據。如果稍微換個模型，這套技術方案的效果還能保證麼？或許只有實踐才知道。如果依靠神經科學，能將這個方案的適用範圍描述出來，多少給出一點理論依據，那麼是否也可以減少...