如何理解深度學(xué)習(xí)？深度學(xué)習(xí)的理論探索分析
普林斯頓大學(xué)計(jì)算機(jī)科學(xué)系教授Sanjeev Arora做了深度學(xué)習(xí)理論理解探索的報(bào)告，包括三個部分：
Why overparametrization and or overprovisioning?
Optimization in deep learning
Theory for Generative Models and Generative Adversarial Nets (GANs)
Sanjeev Arora：印度裔美國理論計(jì)算機(jī)科學(xué)家，他以研究概率可檢驗(yàn)證明，尤其是PCP定理而聞名。研究興趣包括計(jì)算復(fù)雜度理論、計(jì)算隨機(jī)性、概率可檢驗(yàn)證明等。他于2018年2月被推選為美國國家科學(xué)院院士，目前是普林斯頓大學(xué)計(jì)算機(jī)科學(xué)系教授。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報(bào)投訴
-
計(jì)算機(jī)
+關(guān)注
關(guān)注
19文章
7841瀏覽量
93493 -
人工智能
+關(guān)注
關(guān)注
1821文章
50366瀏覽量
267056 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5610瀏覽量
124654
原文標(biāo)題：【干貨51頁P(yáng)PT】深度學(xué)習(xí)理論理解探索
文章出處：【微信號：AItists，微信公眾號：人工智能學(xué)家】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
熱點(diǎn)推薦
2017全國深度學(xué)習(xí)技術(shù)應(yīng)用大會
訓(xùn)練數(shù)據(jù)仍然需要大量的人工，為進(jìn)一步減少這一部分的人工，我們對弱標(biāo)注數(shù)據(jù)下的深度學(xué)習(xí)進(jìn)行了一些探索。隨著所要求監(jiān)督信息的減弱，可用訓(xùn)練數(shù)據(jù)會大量增加。同時，深度模型已經(jīng)具有了很好的推廣
發(fā)表于 03-22 17:16
Nanopi深度學(xué)習(xí)之路(1)深度學(xué)習(xí)框架分析
就能實(shí)現(xiàn)！還請關(guān)注我后面的日記。實(shí)際上我也是剛剛有時間學(xué)習(xí)深度學(xué)習(xí)，我是個純初學(xué)者，但面對深度學(xué)習(xí)里的各種復(fù)雜
發(fā)表于 06-04 22:32
深度學(xué)習(xí)與數(shù)據(jù)挖掘的關(guān)系
理解，但是在其高冷的背后，卻有深遠(yuǎn)的應(yīng)用場景和未來。深度學(xué)習(xí)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的一種方式或一條路徑。其動機(jī)在于建立、模擬人腦進(jìn)行分析
發(fā)表于 07-04 16:07
深度學(xué)習(xí)入門之基于python的理論與實(shí)現(xiàn)
深度學(xué)習(xí)入門-基于python的理論與實(shí)現(xiàn)(2)
發(fā)表于 06-19 11:22
深度學(xué)習(xí)是什么
創(chuàng)客們的最酷“玩具” 智能無人機(jī)、自主機(jī)器人、智能攝像機(jī)、自動駕駛……今年最令硬件創(chuàng)客們著迷的詞匯，想必就是這些一線“網(wǎng)紅”了。而這些網(wǎng)紅的背后，幾乎都和計(jì)算機(jī)視覺與深度學(xué)習(xí)密切相關(guān)?！ ?b class='flag-5'>深度
發(fā)表于 07-19 06:17
深度學(xué)習(xí)模型是如何創(chuàng)建的？
具有深度學(xué)習(xí)模型的嵌入式系統(tǒng)應(yīng)用程序帶來了巨大的好處。深度學(xué)習(xí)嵌入式系統(tǒng)已經(jīng)改變了各個行業(yè)的企業(yè)和組織。深度
發(fā)表于 10-27 06:34
什么是深度學(xué)習(xí)？使用FPGA進(jìn)行深度學(xué)習(xí)的好處？
什么是深度學(xué)習(xí)為了解釋深度學(xué)習(xí)，有必要了解神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種模擬人腦的神經(jīng)元和神經(jīng)網(wǎng)絡(luò)的計(jì)算模型。作為具體示例，讓我們考慮一個輸入圖像并識別圖像中對象類別的示例。這個例子對應(yīng)機(jī)器
發(fā)表于 02-17 16:56
深度學(xué)習(xí)入門：基于Python的理論與實(shí)現(xiàn)電子書
深度學(xué)習(xí)入門：基于Python的理論與實(shí)現(xiàn)電子書
發(fā)表于 03-10 09:42
?37次下載
機(jī)器學(xué)習(xí)和深度學(xué)習(xí)有什么區(qū)別？
覺信息的理解可以被再現(xiàn)甚至超越。借助深度學(xué)習(xí)，作為機(jī)器學(xué)習(xí)的一部分，可以在應(yīng)用實(shí)例的基礎(chǔ)上學(xué)習(xí)和訓(xùn)練復(fù)雜的關(guān)系。 機(jī)器
深度學(xué)習(xí)的主要概念介紹
數(shù)學(xué)和理論細(xì)節(jié)。雖然數(shù)學(xué)術(shù)語有時是必要的，并且可以進(jìn)一步理解，但這些文章盡可能使用類比和圖像來提供易于理解的信息，包括對深度學(xué)習(xí)領(lǐng)域的直觀概
讀懂深度學(xué)習(xí)，走進(jìn)“深度學(xué)習(xí)+”階段
輸出結(jié)果，讓AI學(xué)會通過特征對數(shù)據(jù)進(jìn)行判斷。深度學(xué)習(xí)之所以更加有效，是因?yàn)橛泻Ａ康臄?shù)據(jù)輸入、更多層的神經(jīng)網(wǎng)絡(luò)和帶有權(quán)重的特征學(xué)習(xí)機(jī)制。這也意味著應(yīng)用深度
什么是深度學(xué)習(xí)算法？深度學(xué)習(xí)算法的應(yīng)用
什么是深度學(xué)習(xí)算法？深度學(xué)習(xí)算法的應(yīng)用 深度學(xué)習(xí)算法被認(rèn)為是人工智能的核心，它是一種模仿人類大腦
深度學(xué)習(xí)框架是什么？深度學(xué)習(xí)框架有哪些？
深度學(xué)習(xí)框架是什么？深度學(xué)習(xí)框架有哪些？? 深度學(xué)習(xí)框架是一種軟件工具，它可以幫助開發(fā)者輕松快速
深度學(xué)習(xí)框架的作用是什么
的任務(wù)，需要使用深度學(xué)習(xí)框架。 深度學(xué)習(xí)框架是對深度學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)模型進(jìn)行構(gòu)建、調(diào)整和優(yōu)化的
深度學(xué)習(xí)框架和深度學(xué)習(xí)算法教程
深度學(xué)習(xí)框架和深度學(xué)習(xí)算法教程 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)
評論