Oracle深度学习笔记——概要文件.docx

对比分析主流的深度学习框架：TensorFlow是相对高阶的机器学习库，用户可以方便地用它设计神经网络结构，而不必为了追求高效率的实现亲自写C++或CUDA代码;Caffe全称为Convolution

20页的综述报告,基础到最后的神经网络(线性模型-CNN-RNN-数据训练-神经网络优化),适合叫深度学习报告,word版本。温馨提示,没有实质仿真,确定好在下载,比起其他人可谓是良心了

模型选择、欠拟合和过拟合 训练误差(training error):指模型在训练数据集上表现出的误差。 泛化误差(generalization error):指模型在任意一个测试数据样本上表现出的误差

循环神经网络进阶 GRU(门控循环单元) 门控循环神经网络,为了更好地捕捉时间序列中时间步距离较大的依赖关系。 其中,门控循环单元(gated recurrent unit,GRU)是一种常用的门控循

单个神经元网络 简化表示 正向传播:W*X+B=y W,B为参数,X为样本值,y为预测值,Y为标签值 反向传播:根据差值标签值Y-预测值y,对W和B进行相应的调整。 循环往复进行 softmax分类算

机器翻译和数据集 机器翻译(MT):将一段文本从一种语言自动翻译为另一种语言,用神经网络解决这个问题通常称为神经机器翻译(NMT)。 主要特征:输出是单词序列而不是单个单词。 输出序列的长度可能与源序

梯度消失和梯度爆炸 当神经网络的层数较多时,模型的数值稳定性容易变差。 假设一个层数为 L 的多层感知机的第 l 层 H(l) 的权重参数为 W(l) ,输出层 H(L) 的权重参数为 W(L) 。为

深度学习读书笔记之RBMpdf和word版，有必要的同学可以下载

吴恩达深度学习笔记，github上下载网速非常满，我下载之后分享。

内容涉及到了神经网络搭建，正向与反向传播浅显易懂的公式推导，卷积神经网络以及目标检测，yolo算法原理解析。RNN语言模型，seq2seq模型的算法介绍等较为前沿的知识。