Deep Learning(LeCun、Bengio、Hinton在Nature上发表的综述)学习笔记

最新推荐文章于 2024-08-19 10:02:17 发布
最新推荐文章于 2024-08-19 10:02:17 发布
阅读量2.2k 收藏 5
点赞数 1
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/sinat_35268469/article/details/91348834
版权
本文是关于2015年LeCun、Bengio、Hinton在Nature上发表的《Deep Learning》综述论文的学习笔记。笔记介绍了深度学习如何通过多层非线性处理模型自动学习数据表示，特别是在图像理解、语言处理和循环神经网络中的应用。重点讨论了AlexNet在ImageNet比赛的成功、分布式表示的优势、RNN的挑战与解决方案，以及深度学习在强化学习领域的未来前景。
摘要由CSDN通过智能技术生成

Deep Learning学习笔记

这个笔记是对2015年LeCun、Bengio、Hinton在Nature上发表的《Deep Learning》综述论文的一些笔记。笔记严格文章的结构来做的。

文章PDF地址：Download Deep Learning Review

对应的排版比较好的中文翻译: https://artificial-intelligence.net.cn/2019/06/05/1559711811/?from=singlemessage&isappinstalled=0

绪论
传统的机器学习方法使用处理原始数据, 严格依赖于领域知识去做特征提取(Limited in their ability to process natural data in their raw form)。而深度学习是一种表示学习方法, 它可以使用多个(非线性的)处理层的计算模型来自动地学习不同抽象层次的数据表示, 可以用来学习非常复杂的函数(学习高维数据中的复杂结构)。
以图像为例子, 原始数据是像素, 第一层会学习图像的特定位置和方向上有没有边的存在。第二层通常会根据那些边的某些排放而来检测图案。第三层或许会把那些图案进行组合，从而使其对应于熟悉目标的某部分。In images, local combi­nations of edges form motifs, motifs assemble into parts, and parts form objects.
对于分类任务而言，高层次的表达能够强化输入数据的区分能力方面，同时削弱不相关因素。
Input-Output function: Insensitive to irrelevant variations of the inputs; Sen

最低0.47元/天 解锁文章
sinat_35268469
关注
论文阅读：Deep learning—Yann LeCun, Yoshua Bengio & Geoffrey Hinton
lynlindasy的博客
01-16 3536
这篇文章从期末前写到期末后，因为内容实在太多了...这篇论文包含了深度学习中比较常见的几个概念，但因为我主要方向是图像领域，因此只对前半部分进行了学习。最近同时在看李宏毅老师的课程，没有专门记笔记，但是把一些内容融合在了下面概念的理解中。 论文阅读：Deep learning—Yann LeCun, Yoshua Bengio & Geoffrey Hinton 这是一篇概述性论文，作...
Deep Learning——Nature2015.pdf
09-08
经典深度学习教材，入门深度学习必备数目，众多大神推荐！经典深度学习教材，入门深度学习必备数目，众多大神推荐，经典深度学习教材，入门深度学习必备数目，众多大神推荐，经典深度学习教材，入门深度学习必备数目，众多大神推荐
深度学习研究综述
最新发布
qq_43561737的博客
08-19 1254
１２）其它卷积神经网络改进．此外，还有其它卷积神 经网络改进，包括 ｄｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｔｗｏｒｋｓ、ｓｔａｃｋｅｄｃｏｎ ｖｏｌｕｔｉｏｎａｌａｕｔｏｅｎｃｏｄｅｒｓ、ＳＲＣＮＮ、ＯｖｅｒＦｅａｔ、ＦｌｏｗＮｅｔ［４９］、Ｍｒ-ＣＮＮ［５０］、ＦＶ-ＣＮＮ［５１］、ＤｅｅｐＥｄｇｅ［５２］、ＤｅｅｐＣｏｎｔｏｕｒ［５３］、ｄｅｅｐ ｐａｒｓｉｎｇｎｅｔｗｏｒｋ［５４］、 ＢｏｘＳｕｐ［５５］、 ＴＣＮＮ［５６］、 ３维 ＣＮＮ［５７］等．。5)深度残差网络 （ＲｅｓＮｅｔ）
论文笔记：Deep Learning [nature review by Lecun, Bengio, & Hinton]
人工智能
04-24 1万+
如今，机器学习的技术在我们的生活中扮演着越来越重要的角色。从搜索引擎到推荐系统，从图像识别到语音识别。而这些应用都开始逐渐使用一类叫做深度学习（Deep Learning）的技术。 传统机器学习算法的局限性在于，它们往往很难处理那些未被加工过的自然数据（natural data），例如一张原始的RGB图像。因此，构建一个传统的机器学习系统，往往需要一些有经验的工程师设计一个特征提取器，将原始
Nature:DeepLearning
Hundreays
06-09 606
Nature:DeepLearning0.综述2.引言部分笔记 0.综述 本论文DeepLearning是Yann LeCun, Yoshua Bengio, Geoffrey Hinton 三位大神于2015年发表在Nature上的深度学习综述，从深度学习概念、原理、应用等方面总览深度学习，把握深度学习的前世今生，探究深度学习中的重要理论和算法。 论文包括以下8个部分： 引言 监督学习 反向...
LeCun、Bengio、Hinton三巨头曾合体，Nature发文综述深度学习（论文精华）
weixin_34111819的博客
04-09 582
深度学习三巨头Yann LeCun、Yoshua Bengio、Geoffrey Hinton曾在Nature上共同发表一篇名为《深度学习》的综述文章，讲述了深度学习为传统机器学习带来的变革。 从2006年Geoffrey Hinton为世人展示深度学习的潜能算起，深度学习已经蓬勃发展走过了10多个年头。这一路走来，深度学习究竟取得了怎样的成就，又会何去...
机器学习(Machine Learning)&深度学习(Deep Learning)资料
weixin_30756499的博客
07-07 1万+
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)---#####注:机器学习资料[篇目一](https://github.com/ty4z2008/Qix/blob/master/dl.md)共500条,[篇目二](https://github.com/ty4z2008/Qix/blob/master/dl2.md)开始更新...
cv方向论文跟读笔记《Deep Learning》（2）
qq_41882866的博客
04-28 229
《Deep Learning》From 《Nature》 author:Yann lecun, Yoshua bengio, Geoffery Hinton 第二课时： CNN、基于CNN的图像理解 1.卷积神经网络基础 输入信号的维度： 1D：序列和信号，包括语言信息等。 2D：平面图像、声音频谱图等。 3D：视频信号、立体图像等。 卷积神经网络的关键： 1.信号的局部连接； 2.共享权重； 3...
cv方向论文跟读笔记《Deep Learning》（1）
qq_41882866的博客
04-28 234
《Deep Learning》From 《Nature》 author:Yann lecun, Yoshua bengio, Geoffery Hinton 第一课时： 背景、监督学习、反向传播 1.论文作者简介 2018年图灵奖获得者 GH:谷歌副总裁；反向传播论文 YL:Facebook副总裁；发明了卷积神经网络；首次将卷积神经网络用于手写数字识别 YB: 2.前期知识储备 线性代数、概率论、...
Deep learning REVIEW。深度学习三大牛在《Nature》杂志首次合作的发表综述文章《Deep Learning》。
09-18
Deep learning REVIEW--三位大牛的Nature。深度学习三大牛Yann LeCun、Yoshua Bengio和Geoffrey Hinton在最新的《Nature》杂志首次合作的发表综述文章《Deep Learning》。
Deep Learning-LeCun、Bengio和Hinton三大牛的综述
10-17
Nature为了纪念人工智能提出60周年，专门给了个 AI + 机器人专题 ，有多篇相关论文发表。本文是其中的一片，为深度学习三大牛Yann LeCun、Yoshua Bengio、Geoffrey Hinton的综述文章“Deep Learning”。
Deep learning Yann LeCun, Yoshua Bengio & Geoffrey Hinton 三位大牛综述
09-25
深度学习领域三大牛LeCun、Bengio和Hinton 联合打造史上最权威综述 Deep learning，跟着大牛脚步逐步成为大牛。
论文笔记&翻译——Nature 综述论文《deep learning》LeCun、Bengio和Hinton
热门推荐
Congying-Wang的博客
09-10 1万+
Yann LeCun , Yoshua Bengio和Geoffrey Hinton被作者誉为深度学习界三大天王，他们所发布在 Nature上的“Deep Learning”包含了大量的研究。 原文地址：Deep Learning Review 文章PDF地址：Download Deep Learning Review 原文翻译：翻译（上），翻译（下）...
Deep Learning Review
当你努力到把自己都感动的时候，你离成功就不远了。
10-02 2857
http://www.nature.com/nature/journal/v521/n7553/pdf/nature14539.pdfAbstract：DL允许多个处理层的计算机模型来学习具有多层次抽象的数据表示。这些方法改善了愈多方面，包括语音识别，视觉对象识别，对象检测和其他领域，像药物发现和基因学等。DL能发现大数据中的复杂结构通过使用BP算法来指导机器如何从前一层获取误差而改变本层内部参数，
Deep Learning
AliceLeeHX的博客
09-25 1516
Deep learning [Reference] Lecun Y, Bengio Y, Hinton G. Deep learning[J]. Nature, 2015, 521(7553):436. Abstract 深度学习是由多处理层组成的计算层模型，通过多层抽象学习数据表示，这种方法在语言识别（Speech Recognition）、视觉物体识别、物体检测和其他诸如药理发现和基因...
【程序员读论文】LeCun, Y., Bengio, Y. & Hinton, G. Deep learning. *Nature* **521,** 436–444 (2015).
qq_41854911的博客
12-17 9314
文章目录一、先看题目、摘要、结论二、文章主体三、总结 今天要读的论文是深度学习的里程碑之作，集齐了三位在深度学习领域举足轻重的人物。 论文名称：LeCun, Y., Bengio, Y. & Hinton, G. Deep learning. Nature 521, 436–444 (2015). 论文地址：LeCun, Y., Bengio, Y. & Hinton, G. Deep learning. Nature 521, 436–444 (2015). 论文百度网盘下载地址：htt
深度学习推荐阅读的论文
kexinxin1的博客
12-20 1546
Papers to Read General Introduction LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning.Nature,521(7553), 436-444.nature14539.pdf [This is a general introduction by three tow...
深度学习：机器学习三巨头Nature综述
"这篇资源是2015年由深度学习领域的三位巨擘——Yann LeCun、Yoshua Bengio和Geoffrey Hinton在《自然》杂志发表的综述文章，标题直指‘Deeplearning’，对深度学习的研究者来说是一篇必读之作。这篇文章的作者来自...
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