FIRST TOUCH
来源:互联网 发布:java web书籍推荐 编辑:程序博客网 时间:2024/05/21 05:20
CSDN 似乎不识别 Markdown Math。。
References
Udacity 深度学习课程
TensorFlow 官方文档中文版
从机器学习到深度学习
监督学习
WX + b = Y
逻辑回归分类器 logostic classifier
softmax(y_i) = \frac{e^{y_i}}{\sum_{j}(e^{y_j})}
One-Hot 编码 one-hot encoding
交叉熵 cross-entropy
多项式分布逻辑回归分类器 Multinomial Logistic Classification
D(S(WX+b), L)
最小化交叉熵
Loss = average cross-entropy
Loss = \frac{1}{N} \sum_iD(S(WX_i+b), L_i)
梯度下降 Gradient Decent
偏导数取得最小化 Loss
正则化输入与初始权重
模型性能评估
training => validation => test
Kaggle challenge
过拟合和数据集大小
验证集和测试集大小
随机梯度下降法 stochastic gradient descent 【S.G.D】
随机抽查 => 深度学习的核心
动量法与使用学习率调节下降
超空间参数
Adagrad
深度神经网络
线性模型的局限性
线性整流函数 ReLUs 网络
Nearal Network
两层神经网络
- 第一层由一组 X 的权重和偏差组成并通过 ReLU 函数激活。这一层的输出会提供给下一层,但是在神经网络的外部不可见,因此被称为隐藏层。
- 第二层由隐藏层的权重和偏差组成,隐藏层的输入即为第一层的输出,然后由 softmax 函数来生成概率。
链式法则 chain rule
[g(f(x))]' = g'(f(x)) * f'(x)
反向传播 back-propogation
卷积神经网络
统计不变性
- weight sharing 权重共享
- translation invariance 平移不变性
卷积网络 Convolutions
Average Pooling
1*1 convolutions
文本和序列的深度模型
tSNE
word2vec
RNNs
反向传播时间
梯度消失/爆炸
LSTM
正则化
定向选择 BEAM SEARCH
0 0
- FIRST TOUCH
- FIRST TOUCH
- Your first MeeGo Touch application
- First touch of Ionic 2
- Get the First Touch on JQuery
- Walkthrough: Creating Your First Touch Application
- FIRST TOUCH-20170302-NRPE 被监控端 安装
- FIRST TOUCH-20170308-Swoole+Nginx+Redis(慢慢补)
- touch
- touch
- Touch
- TOUCH
- touch & >
- touch
- touch
- Touch
- touch
- touch
- ss5客户端设置
- 第四十章 SpringBoot AOP
- Canvas 实现时钟
- Java并发编程的艺术(十)——线程池(1)
- HTTPS 为什么更安全
- FIRST TOUCH
- Servlet笔记
- android studio 混淆打包
- 算法学习之显著性检测
- 数据库端口3306被占用
- tomcat的域名以及多域名配置
- requirejs入门
- python进阶12:单下划线与双下划线(私有和保护)
- Android事件传递机制