關於機器學習的一些思考 周志華

2021-09-10 08:06:37 字數 765 閱讀 4056

2、目前深度模型就是深度神經網路,更確切地說,是由多層引數化可微的非線性模組搭建起來的模型,而他本身能夠用bp演算法(backpropagation)去訓練。

3、能不能基於不可微構件進行深度學習?

4、新的模型「深度森林」

不是基於神經網路的模型,它的基本構件是決策樹,本身是不可微的,所以不能用bp訓練。模型複雜度可以自己根據資料調整,超引數比深度神經網路要小。除了大規模的影象類任務之外,很多的任務上它的效能已經達到或者接近了深度神經網路的效能。

基於非可微構件,非神經網路的深度模型可能是下一步很值得**的方向。

5、關於深度模型,以前我們認為深度學習只有深度神經網路,現在知道這裡面可以有很多其他東西。深度神經網路已經研究了20多年,而非神經網路深度學習的研究才剛開始,未來有非常多可以探索的東西。

6、強監督學習,需要有大量的有標記資訊的樣本資料。

7、弱監督學習,監督資訊不用那麼多。監督資訊不完全,監督資訊不具體,監督資訊不精確等。

8、傳統機器學習,在封閉靜態環境裡面,假定很多東西是固定的。

然而事實上,我們會越來越多的碰到開放動態壞境,可能一切都會發生變化。無論何種變化的出現,「好的時候」要好,「壞的時候」不能太壞,解決開放環境下的魯棒性是關鍵。

關於英語學習的一些思考

怎麼樣,聽完有木有一種想把新概念背上100遍的衝動?至少我是有的。簡單的總結一下強浩老師所講的內容 一 英語學習弊端 貪多,對英語的學習只是走馬觀花,蜻蜓點水,淺嘗輒止。就圖乙個新鮮感,而不是深入 反覆地去學習同乙個資料。就那我們現在來說,新舊走遍美國 小烏龜 900句 365等等,各種英語學習資料...

關於深度學習的一些思考

問1 有監督學習中,機器學習是什麼?答1 機器學習就是先假設乙個函式,使用訓練樣本來選取最優的引數 當有新樣本時,把特徵輸入已訓練好的函式中,得到 值。問2 神經網路中,神經元的作用是什麼?答2 1 對輸入特徵進行線性加權 z w1 a1 w2 a2 w3 a3 b,其中wi是權重,ai是特徵值,b...

關於機器學習的一些感悟

1 通過機器的學習 大規模 資料庫 複雜的感測器和巧妙的演算法,來完成分散的任務 是人工智慧的最新定義。2 mit 實驗室的機械人專家 rodney brooks 提出,要以 具身智慧型 embodied intelligence 的方法來製造機械人。從這種方法出發,製造類人機械人不再是發展更複雜的...