李宏毅机器学习课程11~~~为何要"深"？

最新推荐文章于 2024-07-29 21:21:19 发布
最新推荐文章于 2024-07-29 21:21:19 发布
阅读量835 收藏 1
点赞数
分类专栏： 李宏毅学习机器
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/jiandanjinxin/article/details/77940801
版权

为何要“深”？
pluskid的博客 Deep Learning and Shallow Learning

Bengio Y. Learning deep architectures for AI. Foundations and trends® in Machine Learning, 2009

Deeper is Better?

这里写图片描述

模型有更多的参数会有更好的结果，这是毋庸置疑的。

这里写图片描述

这里写图片描述

深瘦的模型会比浅胖的模型有更好的表达能力。

Universality Theorem

这里写图片描述

虽然理论上单层网络可以表达任意的函数，但是实际上更深的结构在表达函数的能力更出色。

细节见 A visual proof that neural nets can compute any function

Do Deep Nets Really Need To Be Deep? (by Rich Caruana)

这里写图片描述

更多细节见 Rich Caruana

“Do Deep Nets Really Need to be Deep?”阅读笔记

参考文献

Home: http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17.html

A visual proof that neural nets can compute any function

Rich Caruana
Deep Learning: Theoretical Motivations (Yoshua Bengio)
Connections between physics and deep learning

Why Deep Learning Works: Perspectives from Theoretical
Chemistry

帅气的弟八哥
关注
专栏目录
11、【李宏毅机器学习（2017）】Why Deep Learning? （为什么是深度学习？）
Jimmyzqb的博客
08-29 4205
理论上，一层隐藏层的神经网络就可以表示任意的函数，但是从效率、精度考量，在实际的神经网络构建中往往采用多个隐藏层（即深度学习）。本篇博客将介绍深度学习的优势。 目录 相同神经元个数的深度学习 在神经元个数相同的情况下，多层神经网络的精度高于单层神经网络。 模组化 举个图像识别的例子，识别长发男生、长发女生、短发男生和短发女生，如下，由于长发男生样本少，所以模型训练出来的效...
为什么深度学习有效？（why deep learning works）
weixin_30345577的博客
11-30 325
总述：这篇文章是一次听讲座，吴大鹏教授做的why deep learning works，佛罗里达大学教授，很有名。自己对该讲座做个理解。 一、深度学习的背景相关介绍 　　1、machine learning：一般的ml只针对线性分类，即只是一个linear methods。 　　2、neural networks：第二代神经网络，是对ml的一个发展，更好地非线性分类。通过BP算法，调参数...
顶级大佬的AI课程！吴恩达、李飞飞..
最新发布
2301_76161259的博客
07-29 942
本文为大家献上AI领域重量级大佬的人工智能课程资源。这一系列课程深入剖析了深度学习、机器学习等多个前沿领域，带您领略决策树、朴素贝叶斯、逻辑回归、神经网络和深度学习等核心技术的魅力。同时，课程还将带您探索贝叶斯学习、支持向量机、核方法、聚类和无监督学习等多元化机器学习领域。更有学习提升算法、强化学习以及学习理论等高级课程，为您在人工智能领域的深入研究和应用提供坚实的基石。在深度学习领域，吴恩达教授的教学视频堪称瑰宝。
why deep learning?我们为什么要使用深度学习？
ygp12345的博客
10-02 425
深度学习在语音识别的应用 模块化在语音识别的应用，下图是人类语言的分层结构，比如what do you think？语言学家将其分为了若干phoneme(音位)，但是由于人类的发音器官发出的同一个phoneme的声音可能不一样，因为会受到前后phoneme的影响，所以我们要将原本的phoneme加上前后的phoneme组成新的被称为tri-phone的model，也就是一个phoneme用不同的model去描述。然后一个model有若干种state。 语音识别的第一阶段，输入时声音特征，我们把一段声音切成若
《机器学习》学习笔记（十二）—Why Deep Learning?
时光机的学习博客
04-29 202
深度 VS 宽度 在神经元个数相同的情况下，多层神经网络的精度高于单层神经网络。 （深瘦的模型会比浅胖的模型有更好的表达能力。） Modularization—模组化 我们在写大型程序时候，会调用各种函数，将程序模块化，这样程序可以完成很多复杂的功能。深的神经网络完成的工作和模块化类似 举个图像识别的例子，识别长发男生、长发女生、短发男生和短发女生，如下，由于长发男生样本少，所以模型训练出...
李宏毅2021春季机器学习课程视频笔记12-为什么要深度学习（why Deep Learning?）
wen的博客
04-10 130
深度学习之所以可以做到鱼与熊掌兼得，就是因为其虽然具有了复杂的模型结构，但是其依赖的数据也变多了，随着数据增多，理想与现实之间差异逐步缩小，理想就可以很好的对现实进行预测表示。得到结论：在进行深度学习时候需要大量的资料，但是如果不采用深度学习架构，想要获得同样的拟合函数需要更大规模的网络与参数，因此选择采用深度学习是具有理论的合理性的。只有有一个Hidden_Layer就可以拟合所有函数，提出质疑，为什么还需要。只要绿色得点够多，被切得线段足够多，就可以尽可能得去拟合这个曲线得形状。
李宏毅 机器学习 课程作业代码
08-17
李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码...
李宏毅机器学习全套资料
08-31
《李宏毅机器学习全套资料》是一份全面深入的机器学习教育资源，主要涵盖了教学演示文稿、作业解决方案以及详尽的课程内容。这份资源对于想要深入理解和掌握机器学习这一领域的学习者来说，无疑是一份宝贵的参考资料...
李宏毅2020机器学习课程课后作业要求+代码.zip
03-14
《李宏毅2020机器学习课程课后作业详解》 李宏毅教授的机器学习课程因其深入浅出的讲解而备受赞誉，这门课程的2020版不仅涵盖了丰富的理论知识，还提供了实战性的课后作业，旨在帮助学生巩固理解并提升实践能力。在...
李宏毅深度强化学习PPT（含机器学习课程对RL的简介）
11-01
深度学习则是一种基于神经网络的机器学习技术，它能够处理复杂的非线性问题，尤其是对于高维度数据的处理。在强化学习中，深度学习主要应用于价值函数或者策略函数的近似，例如深度Q网络（Deep Q-Network, DQN）和...
李宏毅机器学习中文课程全套视频
08-30
txt内容为百度云链接，链接内容为台大李宏毅教授的中文课程，目前国内最好的免费国语机器学习课程
Foundations_and_Trends_in_Machine_Learning
12-13
Foundations_and_Trends_in_Machine_Learning
最牛吴恩达老师的机器学习笔记
08-07
详细入门机器学习，需要一定的背景，并且阅读过吴恩达老师的机器学习课程或者对机器学习有一定的 基础
WDK李宏毅学习笔记第二周02_Why Deep Learning
sunningzhzh的博客
04-21 166
Why Deep Learning？ 当使用参数相等时，构建多层Neurals比一层Neural准确率更高，如下图： 因为Deep -> Modularization，在training data时，Deep Learning会自动构建模组化的函数。 模组化函数是会在Training data时机器自己构建，不需要人为去设计，这很大的提高了效率。 在做复杂的数据转换时，模组化函数效果显著，例如:从下面第一组图片上看，两者很像，但是实际却完全不一样，第二组图片，看起来不一样，实际上一样，要让机器知道
机器学习-12-Why Deep?(为什么要做“深度”学习)
迷雾总会解
12-07 618
Why Deep? 本文主要围绕Deep这个关键词展开，重点比较了shallow learning和deep learning的区别： shallow：不考虑不同input之间的关联，针对每一种class都设计了一个独立的model检测 deep：考虑了input之间的某些共同特征，所有class用同个model分类，share参数，modularization思想，hierarchy架构，更有效率地使用data和参数 Shallow V.s. Deep Deep is Better？ 我们都知道dee
【李宏毅机器学习】Why Deep Learning（p15） 学习笔记
weixin_45947476的博客
12-01 665
全文总结于哔哩大学的视频：李宏毅2020机器学习深度学习(完整版)国语 2020版课后作业范例和作业说明在github上：点击此处 李宏毅上传了2020版本的机器学习视频和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习（线性回归、逻辑回归、Naive Bayes、决策树、支持向量机等），李宏毅2020版本的机器学习中除了最前面的回归、分类，后面更多篇幅涉及卷积神经网络（CNN）、循环神经网
第十节 Why DeepLearning？
Reast1nPeace的博客
06-25 142
深度学习（Deep Learning） 6.why deep?
n不正
04-15 1211
深度学习（Deep Learning） 6.why deep?1 fat+short or thin + tall? 并不是参数越多表现越好 modularization：模块化，（自动学习） Deep →\rightarrow modularization：每个模块只关注一小部分任务 machine learning是因为没有足够的data，所以需要学习。？ 2 Speech phoneme：人类
李宏毅深度学习
youyoudao
04-13 614
文章目录Basic Structures for Deep Learning Models Basic Structures for Deep Learning Models 与下一个LSTM单元相连
李宏毅机器学习课程：深度自编码器与无监督学习
"该资源是台湾大学李宏毅教授在B站发布的机器学习课程相关课件，主要涉及无监督学习中的深度自编码器(Deep Auto-encoder)技术。" 深度自编码器是一种无监督学习方法，它由两部分组成：编码器(Encoder)和解码器...
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