你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
联系我们:
电话:021-58382921
业务咨询:info@imefuture.com
本月累计签到次数: 天
今天获取 积分
没有找到相关结果
赞同来自 : E星人 、 晨光中的金玫瑰 、 萤火虫
E星人
赞同来自 : 晨光中的金玫瑰 、 范大将军 、 萤火虫
晨光中的金玫瑰
赞同来自 : 范大将军 、 萤火虫
范大将军
赞同来自 : 萤火虫
萤火虫
赞同来自 :
开始弯
要回复问题请先登录或注册
5 个回复
赞同来自 : E星人 、 晨光中的金玫瑰 、 萤火虫
E星人
赞同来自 : 晨光中的金玫瑰 、 范大将军 、 萤火虫
赞同来自 : E星人 、 晨光中的金玫瑰 、 萤火虫
晨光中的金玫瑰
赞同来自 : 范大将军 、 萤火虫
赞同来自 : E星人 、 晨光中的金玫瑰 、 萤火虫
范大将军
赞同来自 : 萤火虫
第一部分介绍了基础的数学和机器学习知识。深度学习本身所需要的基础知识并不多,有一点线性代数和机器学习的概念就足够了。
第二部分介绍了FNN、CNN、RNN等成熟的网络模型。除了详细的模型介绍外,第6章在反向梯度一节中介绍了Theano中采用的符号微分自动求梯度方法。第7章介绍不少干货,比如正则化、Dropout、对抗训练等,第8章讲了一些优化技巧,在SGD一统江湖的今天,从实用角度上讲,大家只需要了解些参数初始化、动态学习率等策略就足够了。如果想深入了解,可以看看Batch Normalization、Curriculum Learning等最近比较热门的优化方法。第11章可以看作是实战指导,在动手写代码之前,最好先阅读下这一章。
第三部分介绍了作者比较看好的新模型:深度生成模型(Deep Generative Models),并不惜篇幅地在第13-19章进行铺垫。这部分附带了作者强烈的个人偏好。如果只是希望了解深度学习的读者,这部分可以不用看。除了第20章外,其他部分和深度学习关系不大。如果想了解这方面内容的读者,最好先阅读Michael Jordan的《An Introduction to Probabilistic Graphical Models》。Jordan的这本书写得通俗易懂,非常适合入门。
赞同来自 : E星人 、 晨光中的金玫瑰 、 萤火虫
萤火虫
赞同来自 :
创建一个3D全息图,需要大量的记录入射光被物体多次反射的结果,然后将这些信息存储进一个庞大的数据库中。大脑储存信息的方式居然与全息图如此类似,大脑并非将记忆储存在一个特定的地方,而是在整个神经网络里传播。
学习这个,有助于我们学习深度学习
赞同来自 : E星人 、 晨光中的金玫瑰 、 萤火虫
开始弯
赞同来自 :
Linear Models and Generalizations – Least Square and Alternatives
Convex Optimization
The Elements of Statistical Learning
最后上 Statistical Learning Theory by Vapnik V.
入门deep learning其实不需要很深的数学基础,本科的线性代数应该够了。但是如果想深入研究的话,多了解一些还是有必要的。
https://www.youtube.com/playli ... V53Fu
其他的公开课大多强调深度学习在某一方面的应用,比如CV, NLP,而这个讲的更全面一些,从最基础的linear regression到state of the art的cnn,rnn,lstm都有所涉及。
来源网络