其他应用深度神经网络的应用
1. rnn,某一层的神经元在时间上或者空间上受到之前的影响。可以应用于读取简单的程序并且进行输出。或者驶入去模拟图灵机,neural turing machine。或者去进行拷贝或者粘贴的简单操作。
当然,让一个神经网络去作为一个python的解释器,前景存疑,但是如果和一些传统算法相结合,也许能够产生比较好的结果。
训练原来的神经网络的方法在这里也通用。
2. 为了应对梯度扩散的问题,在rnn中采用lstm来进行训练。
3. 深度信念网络和受限波尔兹曼机在运行中可以反向输出学习到的特征,就像是geoffery说的,要想学,先会写。
为啥深度信念网络不受重视呢?主要是因为前面的东西效果太好了,就算这个东西有用,目前用不上也比不上,所以研究的就很少。
4. 增强学习对于学习来说,可以通过和环境交互来学习,比如说学习游戏中的策略。
下面问题来了:
1. 能否用增强学习的方法来通过和网络进行互动来自动调参呢?