听课笔记,自学留用
一、Overview
1、推理过程 infer 比如说中午吃什么
2、预测过程 视觉信息上转化为抽象信息的过程
算法:1、穷举:列举所有的情况 2、贪心:每一步只选择从当前看来最好的选择 3、分治:一分为二,比如快排 4、动态规划 人工设置计算过程
机器学习:mechine learning :和算法课程区别:机器学习算法不是人工设置出来的,而是从数据集中把想要的算法挖掘出来,计算过程来自于数据,而不是人工的过程。
基于规则的:规则会越来越多
经典的机器学习:人工提取特征
表示学习:特征提取不再是人工进行,而是训练专门的特征提取器
feature越多,需要的数据越多,采样数据要满足大数定律,要保证次采样密度,面临维度的诅咒
深度学习:用简单的特征,即原始性特征,比如说图片里的像素值变成张量直接拿进来,语音的波形序列直接拿进来,然后设立额外的层来提取特征,然后进去到学习器,然后输出。
真正让神经网络工作起来的是 Back Propagation(反向传播),反向传播的核心:计算图。