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)來學(xué)習(xí)模型的參數(shù)，使得模型預(yù)測的輸出標(biāo)記和真實標(biāo)記盡可能的一致。有監(jiān)督學(xué)習(xí)根據(jù)輸出類型又可以分為回歸和分類兩類。回歸（Regression）如果輸出y是連續(xù)值（實數(shù)或連續(xù)整數(shù)），f(x)的輸出也是連續(xù)值。這種類型的問題就是回歸問題。對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（Classication）如果輸出y是離散的類別標(biāo)記（符號），就是分類問題。損失函數(shù)有一般用0-1損失函數(shù)或負(fù)對數(shù)似然函數(shù)等。在分類問題中，通過學(xué)習(xí)得到的決策函數(shù)f(x; )也叫分類器。

無監(jiān)督學(xué)習(xí)（Unsupervised Learning）無監(jiān)督學(xué)習(xí)是用來學(xué)習(xí)的數(shù)據(jù)不包含輸出目標(biāo)，需要學(xué)習(xí)算法自動學(xué)習(xí)到一些有價值的信息。一個典型的無監(jiān)督學(xué)習(xí)問題就是㚐類（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)境做出一系列的動作，以取得最大化的累積收益。每做出一個動作，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/輸出對的方式給出訓(xùn)練樣本，是一種在線的學(xué)習(xí)機(jī)制。

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

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PPT都好久了，能否提供下載看看呢

帳號		自動登錄	找回密碼
密碼			立即注冊