神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課件資料下載

ID:384779 · 發(fā)表于 2018-8-10 11:36

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

有監(jiān)督學(xué)習(xí)是利用一組已知輸入x和輸出y的數(shù)據(jù)來(lái)學(xué)習(xí)模型的參數(shù)，使得模型預(yù)測(cè)的輸出標(biāo)記和真實(shí)標(biāo)記盡可能的一致。有監(jiān)督學(xué)習(xí)根據(jù)輸出類(lèi)型又可以分為回歸和分類(lèi)兩類(lèi)�；貧w（Regression）如果輸出y是連續(xù)值（實(shí)數(shù)或連續(xù)整數(shù)），f(x)的輸出也是連續(xù)值。這種類(lèi)型的問(wèn)題就是回歸問(wèn)題。對(duì)于所有已知或未知的(x;y)，使得f(x; )和y盡可能地一致。損失函數(shù)通常定義為平方誤差。分類(lèi)（Classication）如果輸出y是離散的類(lèi)別標(biāo)記（符號(hào)），就是分類(lèi)問(wèn)題。損失函數(shù)有一般用0-1損失函數(shù)或負(fù)對(duì)數(shù)似然函數(shù)等。在分類(lèi)問(wèn)題中，通過(guò)學(xué)習(xí)得到的決策函數(shù)f(x; )也叫分類(lèi)器。

無(wú)監(jiān)督學(xué)習(xí)（Unsupervised Learning）無(wú)監(jiān)督學(xué)習(xí)是用來(lái)學(xué)習(xí)的數(shù)據(jù)不包含輸出目標(biāo)，需要學(xué)習(xí)算法自動(dòng)學(xué)習(xí)到一些有價(jià)值的信息。一個(gè)典型的無(wú)監(jiān)督學(xué)習(xí)問(wèn)題就是㚐類(lèi)（Clustering）。
增強(qiáng)學(xué)習(xí)（Reinforcement Learning）增強(qiáng)學(xué)習(xí)也叫強(qiáng)化學(xué)習(xí)，強(qiáng)調(diào)如何基于環(huán)境做出一系列的動(dòng)作，以取得最大化的累積收益。每做出一個(gè)動(dòng)作，并不一定立刻得到收益。增強(qiáng)學(xué)習(xí)和有監(jiān)督學(xué)習(xí)的不同在于增強(qiáng)學(xué)習(xí)不需要顯式地以輸入/輸出對(duì)的方式給出訓(xùn)練樣本，是一種在線(xiàn)的學(xué)習(xí)機(jī)制。

在梯度下降訓(xùn)練的過(guò)程中，由于過(guò)擬合的原因，在訓(xùn)練樣本上收斂的參數(shù)，并不一定在測(cè)試集上最優(yōu)。因此，我們使用一個(gè)驗(yàn)證集（Validation Dataset）（也叫開(kāi)發(fā)集（Development Dataset））來(lái)測(cè)試每一次迭代的參數(shù)在驗(yàn)證集上是否最優(yōu)。如果在驗(yàn)證集上的錯(cuò)誤率不再下降，就停止迭代。這種策略叫Early-Stop。如果沒(méi)有驗(yàn)證集，可以在訓(xùn)練集上進(jìn)行交叉驗(yàn)證。

全部資料51hei下載地址：

《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》邱錫鵬講義.pdf (687.64 KB, 下載次數(shù): 41)

《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》邱錫鵬PPT.pdf (1.17 MB, 下載次數(shù): 35)

ID:386567 · 發(fā)表于 2018-8-15 15:35

找這個(gè)PPT都好久了，能否提供下載看看呢

帳號(hào)		自動(dòng)登錄	找回密碼
密碼			立即注冊(cè)