注意：这个项目我不再维护，我觉得我的翻译真的不够好来帮助其他人，尤其是那些刚入门或者刚开始学习了解深度学习、神经网络的人们。为了不误导其他人，我建议新人们去学习斯坦福的CS231n课程，该门课程在网易云课堂上也有一个配有中文字幕的版本。 Have fun!
为了极佳的阅读体验，您可点击 这里 将本文档下载到本地，并安装 Haroopad 进行阅读。
非监督特征学习与深度学习 中文教程
中文版的新版 UFLDL 教程（项目地址： www.github.com/ysh329/Chinese-UFLDL-Tutorial ），该版本翻译自 UFLDL Tutorial ，是新版教程的翻译。也可参考 旧版 UFLDL 中文教程 。翻译过程中有一些数学公式，使用 Haroopad 编辑和排版， Haroopad 是一个优秀的离线 MarkDown 编辑器，支持 TeX 公式编辑，支持多平台（Win/Mac/Linux），目前还在翻译中，翻译完成后会考虑使用 TeX 重新排版。
自己对新版 UFLDL 教程翻译过程中，发现的英文错误，见 新版教程英文原文勘误表 。
注： UFLDL 是非监督特征学习及深度学习（Unsupervised Feature Learning and Deep Learning）的缩写，而不仅指深度学习（Deep Learning）。
更多详细参考资料，见 计算机科学 ， 人工智能 ， 机器学习 ， 深度学习 ， 强化学习 ， 深度强化学习 ， 公开数据集 。
欢迎来到新版 UFLDL 中文教程！
说明：本教程将会教给您非监督特征学习以及深度学习的主要思想。通过它，您将会实现几个特征学习或深度学习的算法，看到这些算法为您（的工作）带来作用，以及学习如何将这些思想应用到适用的新问题上。
本教程假定您已经有了基本的机器学习知识（具体而言，熟悉监督学习，逻辑斯特回归以及梯度下降法的思想）。如果您不熟悉这些，我们建议您先去 机器学习课程 中去学习，并完成其中的第II，III，IV章节（即到逻辑斯特回归）。
材料由以下人员提供：Andrew Ng, Jiquan Ngiam, Chuan Yu Foo, Yifan Mai, Caroline Suen, Adam Coates, Andrew Maas, Awni Hannun, Brody Huval, Tao Wang, Sameep Tandon
获取初学者代码（Starter Code）
初学者代码
您可以获得初学者所有练习的代码从 该Github的代码仓库 。
有关的数据文件可以从 这里 下载。 下载到的数据需要解压到名为“common”的文件夹中（以便初学者代码的使用）。
目录
每个小节后面的[old][new][旧]分别代表：旧版英文、新版英文、旧版中文三个版本。若没有对应的版本则用[无]代替。
-
预备知识（Miscellaneous）
-
MATLAB 文件指引（MATLAB Modules）[old][无][无]
-
代码风格（Style Guide）[old][无][无]
-
预备知识推荐（Useful Links）[old][无][无]
-
-
监督学习与优化（Supervised Learning and Optimization）
-
线性回归（Linear Regression）[无][new][无]
-
-
监督神经网络（Supervised Neural Networks）
-
监督卷积网络（Supervised Convolutional Neural Network）
-
无监督学习（Unsupervised Learning）
-
线性解码器（Linear Decoders）[old][无][旧]
-
练习：使用稀疏编码器学习颜色特征（Exercise:Learning color features with Sparse Autoencoders）[old][无][无]
-
稀疏编码自编码表达（Sparse Coding: Autoencoder Interpretation）[old][无][旧]
-
独立成分分析（ICA）[old][new][旧]
-
[练习：独立成分分析（Exercise:Independent Component Analysis）](./无监督学习（Unsupervised Learning）/练习：独立成分分析（Exercise:Independent Component Analysis）.md)[old][无][无]
-
RICA（RICA）[无][new][无]
-
练习：RICA（Exercise: RICA）[无][new][无]
-
附1：数据预处理（Data Preprocessing）[old][无][旧]
-
附2：用反向传导思想求导（Deriving gradients using the backpropagation idea）[old][无][旧]
-
自我学习（Self-Taught Learning）
-
其它官方暂未写完的小节（Others）
-
卷积训练（Convolutional training）
-
受限玻尔兹曼机（Restricted Boltzmann Machines）
-
深度置信网络（Deep Belief Networks）
-
降噪自编码器（Denoising Autoencoders）
-
K 均值（K-means）
-
空间金字塔/多尺度（Spatial pyramids / Multiscale）
-
慢特征分析（Slow Feature Analysis）
-
平铺卷积网络（Tiled Convolution Networks）
-