0
点赞
收藏
分享

微信扫一扫

2021年最新-深度学习必备基础理论


2021年最新-深度学习必备基础理论_机器学习

本书介绍

    本简书主要所包含两个部分的内容。

    1. 是为文献中出现的内容提供简化的证明,希望将困难的事情简化为适合一堂课的内容。

     

    2. 主要关注的是通过标准(典型的ReLU)前馈网络实现IID数据二进制分类的低测试误差。

     

   

     

    组织结构。按照上面的第二点,经典的观点把测试错误分解成三个部分。

    近似(从第1节开始):给定一个分类问题,存在一个深度网络,它在分布上实现低误差。

    优化(从第9节开始):给定一个分类问题的有限训练集,存在算法来寻找具有低训练误差和低复杂性的预测器。

    概括(从第16节开始):对于低复杂性网络,训练和测试误差之间的差距很小。

 

本书目录

2021年最新-深度学习必备基础理论_机器学习_02

 

本书内容截图

2021年最新-深度学习必备基础理论_神经网络_03

2021年最新-深度学习必备基础理论_自动驾驶_04

2021年最新-深度学习必备基础理论_自然语言处理_05

2021年最新-深度学习必备基础理论_神经网络_06

2021年最新-深度学习必备基础理论_机器学习_07

2021年最新-深度学习必备基础理论_神经网络_08

 


举报

相关推荐

0 条评论