深度学习之美:AI时代的数据处理与最佳实践

作者:未知 来源:网络转载

【4068】深度学习之美:AI时代的数据处理与最佳实践

(张玉宏著,电子工业出版社,89.2万字,2018年7月第1版,128元)

△这本书深入浅出地介绍了深度学习的相关理论和实践。全书共分16章,采用理论和实践双主线写作方式。如,深度学习的大图;机器学习的相关基础理论、机器学习实践、M.P模型、感知机、多层神经网络、BP神经网络等知识;……

〇西蒙:学习的核心目的就是改善性能。

〇没有达到认知升级目的,那么即使表面看起来非常勤奋,其实也仅仅是一个“伪学习者”。

〇深度学习,是一种包括多个隐含层(越多即为越深)的多层感知机。它通过组合低层特征,形成更为抽象的高层表示,用以描述被识别对象的高级属性类别或特征。能自生成数据的中间表示(虽然这个表示并不能被人类理解),是深度学习区别于其他机器学习算法的独门绝技。

〇深度学习的学习对象是数据,“大数据+复杂(大)模型”或许能更好地提升学习系统的性能。

〇机器学习要走好的三大步:[1]如何找一系列的函数来实现预期的功能,这是建模问题;[2]如何找出一系列评价标准来评估函数的好坏,这是评估问题;[3]如何快速找到性能最佳的函数,这是优化问题。

〇“中庸之道”就是告诉我们要在灵活性(变)和原则性(不变)之间,保持一个最佳的平衡。

〇强化学习强调的是,在一系列的情景之下,选择最佳决策,它讲究通过多步恰当的决策,来逼近一个最优的目标,因此,它是一种序列多步决策的问题。

〇“忍无可忍,无须再忍”。

〇欲速览无限风光,必攀险峰;欲速抵山底幽谷,比滚陡坡。这滚山坡的道理,其实就是梯度递减策略,而梯度递减策略,则是BP算法成功背后的基础。

〇纸上谈兵终觉浅,绝知积卷要编程。

〇要想战胜深度学习陡峭的学习曲线,领悟到它的美,其实需要很长的学习时间,也要求具有一定的数学功底。这方面,恰恰是自己最大的短板。

让更多人喜爱诗词

推荐阅读