来自巴斯大学计算机科学教授Simon J.D. Prince撰写的《理解深度学习》新书,共有19章,从机器学习基础概念到深度学习各种模型,包括最新的Transformer和图神经网络,比较系统全面,值得关注。

Chapter 1 - 导论 Introduction Chapter 2 - 监督学习 Supervised learning Chapter 3 - 浅层神经网络 Shallow neural networks Chapter 4 - 深度神经网络 Deep neural networks Chapter 5 - 损失函数 Loss functions Chapter 6 - 训练模型 Training models Chapter 7 - 梯度与初始化 Gradients and initialization Chapter 8 - 度量性能 Measuring performance Chapter 9 - 正则化 Regularization Chapter 10 - 卷积网络 Convolutional nets Chapter 11 - 残差网络 Residual networks and BatchNorm Chapter 12 - Transformers Chapter 13 - 图神经网络 Graph neural networks Chapter 14 -变分自编码器 Variational auto-encoders Chapter 15 - Normalizing flows Chapter 16 - 生成对抗网络 Generative adversarial networks Chapter 17 - 扩散模型 Diffusion models Chapter 18 - 深度强化学习 Deep reinforcement learning Chapter 19 - 为什么深度学习有效 Why does deep learning work?

成为VIP会员查看完整内容
71

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【NUS-Xavier教授】生成模型VAE与GAN,69页ppt
专知会员服务
41+阅读 · 4月6日
专知会员服务
133+阅读 · 2021年6月3日
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
33+阅读 · 2021年1月20日
专知会员服务
39+阅读 · 2020年12月14日
【2020新书】概率机器学习,附212页pdf与slides
专知会员服务
79+阅读 · 2020年11月12日
中文版新书《动手学深度学习》pdf免费分享
深度学习与NLP
65+阅读 · 2018年12月2日
多伦多大学“神经网络与机器学习导论(2018年春季)
人工智能头条
13+阅读 · 2018年4月3日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 8月17日
Arxiv
0+阅读 · 8月15日
Arxiv
0+阅读 · 8月13日
Arxiv
12+阅读 · 2月24日
Optimization for deep learning: theory and algorithms
Arxiv
89+阅读 · 2019年12月19日
Arxiv
12+阅读 · 2019年11月24日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
相关论文
微信扫码咨询专知VIP会员