卷積神經網路相關知識
池化層：作用是在語義上把相似的特徵合併起來。
卷積神經網路的應用：檢測、分割、物體識別以及影象的各個領域。這些應用都是使用了大量的有標籤的資料。比如交通訊號識別，生物資訊分割，面部探測，文字、行人以及自然圖形中的人的身體部分的探測。今年，卷積神經網路的乙個重大成功應用是人臉識別。值得一提的是，影象可以在畫素級別進行打標籤，這樣就可以應用在比如自動**接聽機械人、自動駕駛汽車等技術中。像mobileye以及nvida公司正在把基於卷積神經網路的方法用於汽車中的視覺系統。其他的應用涉及到自然語言的理解以及語音識別中。
分布式特徵表示與語言處理：rnns,lstm
深度學習 1 基礎知識整理
bp神經網路 參考 李巨集毅 slides dnn backprop.pdf 優化 1.mini batch 小批量梯度下降 2.設定 validuation data 調節超引數 3.activation function relu，leakly relu，prelu，maxout 4.loss ...
深度學習 深度學習基礎知識 Adagrad
adagrad是一種基於梯度的優化演算法 它將學習速率與引數相適應，對不同的變數提供不同的學習率 它增加了罕見但資訊豐富的特徵的影響 因此，它非常適合處理稀疏資料。在基本的梯度下降法優化中，有個乙個常見問題是，要優化的變數對於目標函式的依賴是各不相同的。對於某些變數，已經優化到了極小值附近，但是有的...
深度學習基礎知識介紹
這是一篇medium上獲得近2萬讚的深度學習入門指南，用 為你詳解深度學習中的各個基礎概念。在我們的日常生活中，幾乎隨處可見ai和機器學習這些術語。但，絕大多數人並不明白什麼是ai。理解深度學習如何工作的第一步是掌握下列重要術語之間的區別。1 人工智慧 ai v.s.機器學習 ml 人工智慧是對人類...