a.4. journals and conferences
大多數時候，人們使用不同的深度學習框架和標準開發套件（sdk）來實現深度學習方法，如下所示：
以下是經常用於評估不同應用領域深度學習方法的基準資料集列表：
資料集列表用於影象處理和計算機視覺領域：
flickr-8k:
一般而言，研究人員在arxiv上發布他們的主要研究版本( ).大多數會議都接受了關於深度學習及其相關領域的**。 熱門會議如下：
↩︎
深度學習理論與技術的重點研究方向
面向泛在 如移動計算 高風險 如精準醫療 高可靠性 如智慧型交通 等應用場景，突破深度學習理論基礎薄弱 模型結構單 一 資源消耗過高 資料依賴性強的瓶頸。研究下一代深度學習理論基礎 非神經網路 資源節約型深度學習模型 方法及高效優化技術 適於小樣本 無監督樣本 強化 博弈學習的深度學習方法與技術。深...
深度學習理論基礎11 輸出層的設計
首先，繼續上節的話題。softmax 函式。這只就是softmax函式了。其中a代表輸出層的輸入資料，ak代表第k個輸入。如果你覺得又難理解又難記，其實可以拆成3步來理解 1.把所有的輸入計算成序列 e a1 e a2 e a3 e an 用np的廣播功能一行就能搞定 2.計算得到上面的結果之和su...
關於 PAC 學習理論的一點思考
第一章中給出了軸平行矩形這一概念類，並且推導出了樣本複雜度，從而說明了是 pac 可學習的。但後面 vc維章節可以分析一下這一概念類的vc 維，在泛化界章節，可以給出基於vc維的泛化界，並且與這裡的泛化界進行對比。在泛化界章節，最好再強調一下泛化誤差界 和 pac 可學習的關係。有了泛化界，並沒有完...