Introduction of Deep Learning

some introductions

  • Machine Learning is close to Looking for a Function
  • The model is a set of function
  • a set of function -> goodness of functin F <- training data
  • framework
    – get a model consists of a set of function
    – through training data’s training to get the goodness of function f
    – pick the best function f*
  • three steps for deep learning
    – define a set of function(is also called neural network)
    – goodness of function
    – pick the best function
  • Neural Network
    – different connections leads to differeent network structure
    – each neurons can have different values of weights and biases,weights and biases are network parameters

    – deep learning means many hiden layers,each node means a function consists of weights and bias
  • output layer
    – the output of network can be any value and may not be easy to interpret

    – the value y is the probability of each output value and you need to decide the network structure to let a good function in your function set

training data

  • preparing the training data:images and their labels.The learning target is defined on the training data

  • a good function should make the loss of all examples as small as possible

pick the best function

  • the target is to find network parameters weights* and bisa* that minimize the total loss value L
  • how to find the best parameters:

    – different initial parameters->reach different minima,so different results,so how to choose the init parameters is important

Why Deep?

Deeper is Better?

  • actualy,more parameters,better performance
  • the thin+tall neural network is better than the fat+short.
  • deep->modularization->less training data

一天搞懂机器学习PPT笔记-1相关推荐

  1. 【机器学习基础】一文搞懂机器学习里的L1与L2正则化

    文章来源于SAMshare,作者flora 特征锦囊:今天一起搞懂机器学习里的L1与L2正则化 今天我们来讲讲一个理论知识,也是老生常谈的内容,在模型开发相关岗位中出场率较高的,那就是L1与L2正则化 ...

  2. 【机器学习】搞懂机器学习的常用评价指标!

    作者:陈安东,湖南大学,Datawhale成员 我与评价指标的首次交锋是第一次实习面试时,面试官开头就问分类任务的评价指标.我当时TP,FP,FN,TN各种组合一顿上,回答得乱七八糟.后来经历多了,发 ...

  3. 搞懂机器学习的常用评价指标!

    ↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:陈安东,湖南大学,Datawhale成员 我与评价指标的首次交锋是 ...

  4. 收藏 | 彻底搞懂机器学习中的正则化

    点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:http://www.cnblogs.com/maybe20 ...

  5. 彻底搞懂机器学习中的正则化

    正则化在机器学习当中是十分常见的,本次就来比较完整地总结一下~ 首先列一下本篇文章所包含的内容目录,方便各位查找: LP范数 L1范数 L2范数 L1范数和L2范数的区别 Dropout Batch ...

  6. 三分钟搞懂机器学习和深度学习的区别

    深度学习是机器学习算法的子类,其特殊性是有更高的复杂度.因此,深度学习属于机器学习,但它们绝对不是相反的概念.我们将浅层学习称为不是深层的那些机器学习技术. 让我们开始将它们放到我们的世界中: 这种高 ...

  7. 李宏毅——一天搞懂深度学习PPT学习笔记

    李宏毅一天搞懂机器学习PPT,SildeShare链接:https://www.slideshare.net/tw_dsconf/ss-62245351?qid=108adce3-2c3d-4758- ...

  8. 通俗易懂地搞懂决策树(Decision Tree)那些事儿

    一.决策树是什么? "决策树是一颗好树,是一颗可以帮我们做决策的树." 决策树的结构:树形结构,节点表示判断条件(分为根节点和中间节点),分支代表判断结果,叶子代表分类结果. 二. ...

  9. 太强了! 李宏毅:1 天搞懂深度学习,我总结了 300 页 PPT

    <1 天搞懂深度学习>,300 多页的 ppt,台湾李宏毅教授写的,非常棒.不夸张地说,是我看过最系统,也最通俗易懂的,关于深度学习的文章. 这份 300 页的 PPT,被搬运到了 Sli ...

  10. 下载 | 李宏毅:1 天搞懂深度学习,我总结了 300 页 PPT

    <1 天搞懂深度学习>,300 多页的 ppt,台湾李宏毅教授写的,非常棒.不夸张地说,是我看过最系统,也最通俗易懂的,关于深度学习的文章. 这份 300 页的 PPT,被搬运到了 Sli ...

最新文章

  1. 【线性代数本质】2:线性组合和线性相关和线性无关以及张成的空间
  2. MYSQL主从同步(Windows到Windows)
  3. 肉袒牵羊的拼音及解释
  4. mysql 分段解析_MYSQL分段统计
  5. 有限域f9的特征是多少_密码学数学基本第十一讲有限域.ppt
  6. SPSS可以生成正交表吗?
  7. 如何做到微信机器人不封号_如何正确使用微信聊天机器人才能避免被封号?
  8. 是时候放弃循环神经网络了
  9. rank函数怎么用oracle,Oracle学习教程:rank函数的使用
  10. 如何解决Windows10系统空闲时间CPU占用高,风扇很响的问题?
  11. 【网络安全学习之零基础】
  12. Excel 快速计算相邻行之间的时间差
  13. uva1203 - Argu
  14. yocto 学习:1- 什么是yocto
  15. (转)女人,别忘了经营自己!(同事亲身经历)
  16. 三进网吧后,我“被跳槽”了!
  17. ECDH_SECP256R1 + X9.63 KDF-SHA256
  18. 发顶会论文,怎么就那么难?10个带你一起“收割”顶会论文的...
  19. OV代码签名数字证书
  20. Ubuntu 16.04 如何进入系统文件/etc/profile修改内容

热门文章

  1. 卡特兰数 Catalan number
  2. 【从嵌入式视角学习香山处理器】四、Chisel语言基础
  3. ssl证书需要几级域名
  4. 0302、DNS服务器、多区域的DNS服务器、DNS主从架构、DNS主从数据同步、特殊解析、缓存DNS
  5. 利用一阶谓词逻辑求解猴子摘香蕉问题
  6. 用Python编写程序,写一个通信录。
  7. Elasticsearch中keyword和numeric对性能的影响分析
  8. linux if 括号用法总结
  9. 安卓插件化框架Shadow原理分析
  10. Android客户端入门开发