深度学习入门笔录(持续更新)

神经网络的一些可视化小玩意儿

书籍推荐

  • 周志华 机器学习(极适合入门)

  • 李航 统计学习方法

学习平台(视频)

人工领域的大牛

  • Geoff Hinton
  • Yann Lekun
  • Yoshua Bengio
  • Andrew Ng

深度学习开发框架

  • 谷歌的TensorFlow(新手首推)
  • Caffe、微软的CNTK、MXNet、facebook的Torch、DeepLearning4j、Theano

神经网络的三起两落

心理学家建立了MP模型——>
五人会议(单层感知器)——>
异或问题导致第一次寒冬——>
重振:Hopfield网络、受限玻尔兹曼机、BP神经网络———>
梯度消失、局部极值以及SVM方法导致神经网络第二次低谷——>
Relu、预训练、CNN、GPU等让神经网络迎来新的春天——>???where to go???

需要的知识(几乎不需要,可速补):

  • 知道简单的矩阵求导和链式法则等;
  • 基础概率知识:概率分布、条件概率、联合概率、边缘分布、最大似然估计等。

机器学习的分类和方法:

  • 无监督:聚类、降维、异常检测、密度估计、深度学习……
  • 监督学习:分类、回归、支持向量机、深度学习……

一个牛逼的定理:

万有逼近定理

猜你喜欢

转载自blog.csdn.net/lusongno1/article/details/79774419