标签：Neural Networks for Machine Learning

2017-05-20阅读(6136)评论(2)

首先简要介绍Hessian-Free优化理论。这是块硬骨头，并不要求一定掌握。 在给定方向上的移动能够将误差降低多少 在训练神经网络的时候，我们想要在error surface上尽量多地下降。梯度有了之后，具体能够迈多大一步呢？以二次曲线为...

2017-05-18阅读(6722)评论(0)

首先复习一下常见序列模型，包括BiGram、linear dynamic system和HMM。通过对简单模型的比较学习，加深对RNN的理解。 为序列建模 目的是将一个输入序列转化为一个输出序列，如机器翻译、语音识别。 当不区分输入和输出序...

2017-03-29阅读(7969)评论(0)

这节课围绕着如何加快训练速度这个现实问题，从理论上分析了学习过程中的问题，介绍了许多实践中有效的锦囊妙计。 复习 先复习一下优化理论中的几个概念。 weight space中的error surface 以误差为y轴，每个权值为x轴可以得到...

2017-03-22阅读(5705)评论(0)

这节课蜻蜓点水地讲了图像识别和卷积神经网络，老爷子讲得实在很简略。所以这节课不能当作CNN的入门资料，如果感觉任何地方不清楚，不要沮丧，因为根本没讲。 图像识别的难处 为什么最新的技术只能做到十几二十几的error rate呢，因为图像识别...

2017-03-21阅读(3712)评论(0)

这次练习的任务是设计一个神经网络语言模型，给定前三个词语，预测第四个词语。通过训练该语言模型学习词的稠密表示，大部分代码已经写好，少量难点以选择题的方式给出。 数据集 词表大小250，训练集由30万个4-gram构成，开发集和测试集大小为5...

2017-03-17阅读(4738)评论(2)

词的向量表示 关系信息的特征表示 引子很新奇，是一张英国人的家谱和一张结构相似的意大利人的家谱： 这是一种关系信息，比如甲的父亲是乙，=表示夫妻。神经网络可以通过反向传播学习这些关系对，将关系信息转为特征向量。最终的效果是，提问“乙的儿子是...

2017-03-15阅读(4990)评论(2)

这门课的编程练习很简单，大部分代码都给出了，只需要修改或添加一小部分。官方语言为matlab，但我更喜欢Python（讨厌jupyter)。但matlab保存动画更方便，所以决定双语字幕，左右开弓。 算法主框架 这次的主题是感知机算法及可视...

2017-03-14阅读(4569)评论(0)

虽然反向传播很简单，但老爷子讲的更本质。另外线性回归→逻辑斯谛回归→反向传播神经网络是很多课程的必经之路。 为什么感知机算法不能用于训练隐藏层  其实前面一次课简单地提了下，说是线性隐藏层构成的模型依然是线性的。这节课展开了讲，感...

2017-03-13阅读(4673)评论(2)

这是多伦多大学Professor Geoffrey Hinton的Neural Networks for Machine Learning公开课笔记，只记录难点，我已经掌握的知识点则不做记录。 Weight space 通常讲解感...