《Deep learning》译文系列
coderSkyChen
我爱程序员,它带给我以成就感!
展开
-
《Deep Learning》译文 第六章 深度前馈网络 前言
第六章 深度前馈网络 深度前馈网络,也常常被叫做前馈神经网络,或者多层感知机(MLPs),是经典的深度学习模型。前馈网络的主要目标是逼近某个函数f*。比如说,对于一个分类器,y=f*(x)将输入x映射到其对应的类别y。一个前馈网络定义了一个映射函数y=f(x;θ),通过学习参数θ,得到最接近样本数据的函数估计。这类模型之所以被称为“前馈”是因为信息由x流入估计的函数,随翻译 2016-07-09 13:09:16 · 3493 阅读 · 0 评论 -
《Deep Learning》译文 第六章 深度前馈网络 从异或函数说起
6.1 从异或函数说起 为了使前馈网络的概念更具体化,我们先从一个简单地例子说起,这个例子中,我们使用前馈网络解决一个简单的任务:学习异或函数。 众所周知,异或(XOR)操作是一种针对二进制值的二目操作符。当两个操作数不同时返回1,其他返回0.异或函数为我们提供了我们想要学习到的目标函数y=f*(x),而我们的模型提供了函数y=f(x;θ翻译 2016-07-13 14:21:01 · 2770 阅读 · 0 评论 -
《Deep Learning》译文 第一章 前言(中) 神经网络的变迁与称谓的更迭
第一章前言(中)1.1 本书适合哪些人阅读? 可以说本书的受众目标比较广泛,但是本书可能更适合于如下的两类人群,一类是学习过与机器学习课程相关的大学生们(本科生或者研究生),这包括了那些刚刚开始深度学习和AI研究的同学们;另一类是有机器学习或统计学背景的,想快速将深度学习应用在其产品或平台中的软件开发者们。深度学习早已被证实可以在许多软件应用中发挥光和热,比如:翻译 2016-04-17 20:27:46 · 2995 阅读 · 0 评论 -
《Deep Learning》译文 第一章 前言 (上)
由谷歌大脑团队科学家Ian Goodfellow,Yoshua Bengio and Aaron Courville撰写的《Deep Learning》已经发布(官网传送门),目前尚未出版,仅以html的形式挂在了网站上。之前主要是通过少量论文,Andrew NG的视频和一些博客去了解深度学习的,因此对于机器学习或深度学习的认识比较零散,鉴于以后可能还得靠这些东西吃饭,所以需要借助《De翻译 2016-04-14 20:22:36 · 4613 阅读 · 0 评论 -
《Deep Learning》译文 第一章 前言(下) 神经网络的变迁与称谓的更迭
1.2.2不断增大的数据库 人们可能会有这样的疑问,既然第一个人工神经网络的实验早在20世纪50年代就被实施了,为什么只是在最近深度学习才被视为一个重要的技术呢?这是因为虽然深度学习从20世纪90年代开始被成功地应用在商业中,但是人们更倾向于将其视为一种艺术而不是一门技术,而且是一种被少数专家掌握的艺术品。好的技巧往往可以使深度学习算法产生好的结果,然而,幸运的是,随着训练翻译 2016-04-29 16:15:56 · 4927 阅读 · 3 评论 -
6.2.2.3softmax输出单元与多项分布
从神经科学的角度来看是很有意思的,我们可以认为softmax函数为输出单元创建了一种竞争模式:由于softmax的输出值之和为1,因此,如果有一个输出单元的值增大了,那么其他所有单元的值都将会受到抑制!而这与生物皮质神经元之间的侧向抑制现象不谋而合啊!在极端的条件下,这就会演化为一种胜者通吃的模式!(winner-take-all)翻译 2016-09-16 20:41:38 · 3045 阅读 · 0 评论