Chapter 4
4.3.1
Jacobian 和 Hessian矩阵
当Hessian的所有特征值都是正的牛顿法才适用，牛顿法会受到鞍点的影响，梯度下降不会被吸引到鞍点
深度学习中的大多数问题都难以表示成凸优化的形式
KKT方法是Lagrange乘子法（只允许等式约束）的推广
KKT
Chapter 5
5.6.1
最大后验（MAP）估计
Jacobian 和 Hessian矩阵
当Hessian的所有特征值都是正的牛顿法才适用，牛顿法会受到鞍点的影响，梯度下降不会被吸引到鞍点
深度学习中的大多数问题都难以表示成凸优化的形式
KKT方法是Lagrange乘子法（只允许等式约束）的推广
KKT
最大后验（MAP）估计
《深度学习》笔记 杜静主任发动我们学习《深度学习》，我认真观看了视频，用心做了笔记，感觉收益很深...
回顾 DeepLearning笔记：机器学习和深度学习的区别 对话深度学习1：Neural Networks 神经...
回顾 DeepLearning笔记：机器学习和深度学习的区别 对话深度学习1：Neural Networks 神经...
回顾 DeepLearning笔记：机器学习和深度学习的区别 对话深度学习1：Neural Networks 神经...
深度聚焦笔记学习法
申明，转载Deep Learning（深度学习）学习笔记整理系列之（一）
《dlbook》深度学习系列——前言 本系列笔记主要针对Github 上这本有关深度学习的书——《deep lea...
零基础入门深度学习(1) - 感知器 机器学习 | Coursera 深度学习笔记（一）感知器、梯度下降、反向传播...
keras学习-nlp (1) 书籍《Python深度学习》——笔记小结 与其他所有神经网络一样，深度学习模型不会...
回顾 - DeepLearning笔记：机器学习和深度学习的区别 阿特：听说深度学习的思想受到神经网络的启发，那是...
本文标题：《深度学习》笔记
本文链接：https://www.haomeiwen.com/subject/nacahftx.html
网友评论