Deep Learning Book笔记

最新推荐文章于 2024-03-31 09:39:53 发布
最新推荐文章于 2024-03-31 09:39:53 发布
阅读量333 收藏
点赞数
分类专栏： 机器学习 文章标签： 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/daska110/article/details/72819937
版权

1 发展历史

原始的机器学习算法需要人给机器提供特征，机器再根据这些算法分类，如逻辑回归等。
现在深度学习是陈述学习的一种，需要记起自己挖掘特征，然后再对特征分类。

2 线代

简要地复习了线代知识

3 概率

大数据与计算机视觉
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Deep Learning 读书笔记（十）
tuqinag的专栏
12-21 2090
这次读的这篇文章的题目是：“Learning hierarchical invariant spatio-temporal features for action recognition with independent subspace analysis”。         原来在动作识别领域所使用的方法一般都是人工选取的特征。本篇文章的工作就是使用了一种无监督的学习方法自动地从视频中学习特征
Deep Learning 读书笔记（九）
tuqinag的专栏
12-16 1187
这次看的这篇文章的题目是：“Object Bank: A High-Level Image Representation for Scene Classification & Semantic Feature Sparsification” 这是10年NIPS上的一篇文章，我个人的观点觉得它指出了对于场景分类的一种新的方向，感觉还是有很多可以改进的工作可以做的。         文章在Abstr
DeepLearningBook
12-28
An MIT Press book written by Ian Goodfellow and Yoshua Bengio and Aaron Courville http://www.deeplearningbook.org/
DeepLearning Book
zr459927180的博客
04-07 549
http://www.deeplearningbook.org/
deep learning BOOK
你要偷偷努力，悄悄拔尖，然后惊艳岁月
10-25 239
http://www.deeplearningbook.org/
读deeplearningbook笔记
notHeadache的博客
10-10 254
解决上溢和下溢： softmax SVM： 这个函数关于x 是非线性的，关于ϕ(x) 是线性的 核函数有用的原因：（1）够使用保证有效收敛的凸优化技术来学习非线性模型；（2）核函数k 的实现方法通常有比直接构建ϕ(x) 再算点积高效很多 PCA： 将数据变换为元素之间彼此不相关表示 SGD： 梯度是期望。期望可使用小规模的样本近似估计 正则化： L2范数：权重衰减，只有在显著减小...
【读书手记】【deeplearningbook-chinese】（一）
linly74的博客
07-21 943
在暑假期间，笔者阅读了2017年上半年在GitHub上开源的由几位大牛编撰的深度学习书籍《deeplearning》，笔者认为，在众多的深度学习资源中，该书的干货满满，故在此分享一些读书总结和个人感受。若有不妥之处，恳请批评指正。　　本文主要是分享原书的第一章。　　第一章主要是深度学习概念的引入、几种学习概念的递进、以及深度学习的历史和未来。写到这里很多人会觉得，这种吹水的东西有什么值得阅读的，我曾
Deep Learning for Beginners
04-12
Chapter 1 starts with the relationship between Machine Learning and Deep Learning, followed by problem solving strategies and fundamental limitations of Machine Learning. The detailed techniques are ...
[学习笔记] Neuron Networks and Deep Learning
huberd的博客
05-14 536
   文章内容是基于Micheal Nielsen在 http://neuralnetworksanddeeplearning.com 上提供教程《Neural networks and Deep learning》进行的个人学习理解。方便自己温故而知新，加深理解。此文仅为学习笔记，请辩证地进行阅读，还请多多指教。
Deeplearning深度学习笔记v5.41.pdf
06-06
After working through the book you will have written code that uses neural networks and deep learning to solve complex pattern recognition problems. And you will have a foundation to use neural ...
DeepLearningBook高清英文最新版PDF
12-27
DeepLearningBook高清英文最新版 供各位学习使用，希望能帮到大家
Deep Learning Book (深度学习)中文版
12-18
由浅入深的深度学习教材，张志华翻译版
Deep Learning Book (汉化深度学习2018最新版)
03-22
ai，人工智能学习特别好的资料，翻译的特别好，非常推荐下载学习
带目录，超高清deeplearningbook-chinese中文本
01-17
deeplearningbook-chinese中文本 帶目錄，超高清 deeplearningbook-chinese中文本 帶目錄，超高清
d2l-pytorch：该项目复制了Dive Into Deep Learning（Dive Into Deep Learning）（www.d2l.ai）一书，将MXNet中的代码改编为PyTorch
02-03
更新：请参阅，以获取完整的PyTorch端口。 我们不再维护此仓库。 该项目改编自原始的书籍，作者是Aston Zhang，Zachary C. Lipton，Mu Li，Alex J.... 原始书籍的GitHub： : 。 我们已经努力修改了这本书，并将MXnet...
Deep Reinforcement Learning for Market Making 深度强化学习做市 论文笔记和心得体会
Achang的博客
09-19 456
做市是一种高频交易策略，在这种策略中，经纪人提供流动性，同时对一种资产报出买入价和卖出价。做市商通过买入和卖出价格之间的价差来获取利润。由于库存风险、交易对手和信息不对称的复杂性，各学科的学者对做市算法的理解相对缺乏探索。在本文中，我们开发了极限或极限市场的真实模拟，并利用它设计了一个使用深度循环q -网络的做市代理。我们的方法优于文献中的一个杰出的基准策略，该策略使用时间差分temporal-difference强化学习来设计做市商代理。代理成功地从每次模拟中重现历史贸易数据中的程式化事实。
书单 | 深度学习修炼秘籍
AI科技大本营
03-09 2781
编译 | 人工智能头条参与|刘畅编辑|阿司匹林深度学习是如今最火热的技术之一，但是对于有心入门却不得其法的同学来说，选择适合自己的书籍至关重要。本着乐于助人、无私奉献的精神，营长特意为大家精选了 7 本深度学习相关的书籍。这些书籍中，有些非常注重理论知识，主要关注神经网络和深度学习背后的数学和相关假设；有些则注重实战，通过代码而不是理论来讲解深度学习。而那种既有理论讲解，同时又有相应的实战
DeepLearning深度学习课程笔记
qq_56823035的博客
08-07 473
一、什么是神经网络 假设有一个数据集，它包含了六栋房子的信息。你知道房屋的面积是多少平方 英尺或者平方米，并且知道房屋价格。这时，想要拟合一个根据房屋面积预测房价的函数。 如果你对线性回归很熟悉，你可能会说：“好吧，让我们用这些数据拟合一条直线。”于 是你可能会得到这样一条直线。 ...
深入探索《Deep Learning Book》——来自GitCode的开源宝藏
最新发布
gitblog_00098的博客
03-31 452
深入探索《Deep Learning Book》——来自GitCode的开源宝藏 DeepLearningBookThis repository is used to publish source code of my deep learning book 项目地址:https://gitcode.com/gh_mirrors/de/DeepLearningBook 项目简介 在人工智能领域中，...
吴恩达深度学习课程笔记：Coursera Deeplearning.ai 实战解析
"Deeplearning深度学习笔记v5.54是针对吴恩达老师在Coursera上的深度学习课程(deeplearning.ai)编写的中文笔记，旨在帮助已具备编程基础和机器学习知识的学员进入人工智能领域。笔记涵盖了课程的全部内容，包括深度...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值