人工智能（Artificial Intelligence）
通用人工智能
超图灵（super-Turing）
认知科学
NIPS
深度学习（Deep Learning）
机器学习（Machine Learning）
强化学习（reinforcement learning）
关联学习（associative learning）
价值函数（value function）
动态规划算法（algorithm for dynamic programming）
折扣奖励（discounted rewards）
语言识别
图像识别
自然语言处理
专家系统
计算机视觉
模式识别
神经网络
感知器（perceptron）
可塑性（plasticity）
认知神经科学
主分量分析
独立分量分析（independent component analysis）
霍普菲尔德网络（Hopfield net）
玻尔兹曼机（Boltzmann machine）
赫布理论
无监督学习
有监督学习
反向传播算法
卷积学习（convolution）
工作记忆
生成式对抗网络
奖励学习
时间差分学习（temporal differene learning）
细胞自动机
神经形态芯片
视网膜芯片
动态视觉传感器
自适应信号处理（adaptive signal processing）
反传（或误差反向传播）（backprop (backpropagation of errors)）
贝叶斯规则（Bayes' rule）
约束条件（constraints）
代价函数（cost function）
前馈网络（feedforward network）
梯度下降（gradient descent）
随机梯度下降（stochastic gradient descent）
稳态缩放（homeostatic scaling）
学习算法（learning algorithm）
神经元（neuron）
归一化（normalization）
过度拟合（overfitting）
概率分布（probability distribution）
循环网络（recurrent network）
正则化（regularization）
缩放性（scaling）
对算法的复杂程度如何随着问题的大小而变化的判断标准。
稀疏原理（sparsity principle）
对信号的稀疏表征，入脑电图（EEG）和功能磁共振成像（fMRI），用少量固定基函数的加权来近似信号。这些 基函数 在独立分量分析（independent component analysis）中被为信源。在一组神经元中，对一个输入的稀疏表征是指只有少数神经元高度活跃的情况。这可以减少来自其他输入的活动模式的干扰。
训练和测试机（training and test sets）
图灵机（Turning machine）
参考资料：
1、《深度学习（THE DEEP LEARNING REVOLUTION）》 by Terrence Sejnowski
3、