1.分布式表示:全连接的形式,而非结果。
2.perceptrons, back propagation, deep learning
3.long short-term memory 长短期记忆
4.机器学习的未达预期,核方法、图模型的异军突起,导致了第二次神经网路热潮的衰退。
5.如果通过半监督学习,甚至无监督学习,充分利用大量未标记样本。
6.mnist: Modified National Institute of Standards and Technology.
7.与日俱增的模型规模:联结主义(connection)的主要间接之一,大量神经元一起工作会拥有巨大的力量。
8.人工神经网络的规模受限于计算机内存、运行速度(CPU)、可用数据集。
9.ILSVRC: ImageNet Large Scale Visual Recognition Competition
10.强化学习(reinforcement learning)
11.数据量 - 模型规模 - 精度、复杂度
12.什么是应用数学? - 纯数学和应用数学的区别?纯数学更多的是想要扩宽数学体系,追求一种自洽性和美感;应用数学则是通过数学解决实际的问题。
"哪有什么应用数学,不过就是数学的应用罢了" - arnold
×13.什么是信念度? - 线索(玻尔兹曼机)
14.basics: 线性代数、概率与信息论、数值计算、机器学习基础
15.scalar(标量): 一个单独的数; vector(向量): 一列(纵列)数,通过次序中的索引来确定每个单独的数,第一个数为v1
16.matrix(矩阵): 一个二维数组,其中的每个元素由两个索引确定; tensor(张量): 退化的矩阵
17.np.mat(xxx): 将一个np.array转换成matrix
18.np.mat & np.matrix 区别?
网友评论