第三章 改进神经网络的学习方法（下） 权重初始化 练习 问题 再看手写识别问题：代码 问题 如何选择神经网络的超参数 问题 练习 练习 其他技术 随机梯度下降的变种 练习 问题 人工神经元的其他模型 练习 有关神经网络的故事 第三章 改进神经网络的学习方法（下） 权重初始化 创建了神经网络后，我们需要进行权重和偏...

6.6. 通过时间反向传播 6.6.1. 定义模型 6.6.2. 模型计算图 6.6.3. 方法 6.6.4. 小结 6.6.5. 练习 6.6. 通过时间反向传播 如果读者做了上一节的练习，就会发现，如果不裁剪梯度，模型将无法正常训练。为了深刻理解这一现象，本节将介绍循环神经网络中梯度的计算和存储方法，即通过时间反向传播（back-pro...

如何处理管理神话 如何处理管理神话 神话这个词有时候意味着虚构。但这有着更深层的内涵。它也意味着一些解释宇宙以及和人类和宇宙之间的关系的宗教故事。管理者倾向于忘记他们作为一个程序员时学到的东西，并且相信某种传说。试着让他们相信这种传说是错的，正如让一个虔诚的宗教信徒从他们的信仰中醒悟过来一样粗鲁而失败。因此，你应该认可这些信仰： 文档越多越好。（...

Fluid 模型库 图像分类 目标检测 图像语义分割 图像生成 场景文字识别 度量学习 视频分类 语音识别 机器翻译 强化学习 中文词法分析 情感倾向分析 语义匹配 AnyQ 机器阅读理解 个性化推荐 Fluid 模型库 图像分类 图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉中重要的基础问题，是...

3、目标和方法 本书假定你对机器学习几乎一无所知。它的目标是给你实际实现能够从数据中学习的程序所需的概念，直觉和工具。 我们将介绍大量的技术，从最简单的和最常用的（如线性回归）到一些定期赢得比赛的深度学习技术。 我们将使用现成的 Python 框架，而不是实现我们自己的每个算法的玩具版本： Scikit-learn 非常易于使用，并且实现了许多有...

开始使用 Keras 顺序 (Sequential) 模型 指定输入数据的尺寸 编译 训练 例子 基于多层感知器 (MLP) 的 softmax 多分类： 基于多层感知器的二分类： 类似 VGG 的卷积神经网络： 基于 LSTM 的序列分类： 基于 1D 卷积的序列分类： 基于栈式 LSTM 的序列分类 带有状态 (stateful) 的 ...

第三章 改进神经网络的学习方法（上） 交叉熵代价函数 引入交叉熵代价函数 练习 练习 问题 使用交叉熵来对 MNIST 数字进行分类 交叉熵的含义？源自哪里？ 问题 Softmax 练习 练习 问题 问题 过匹配和规范化 规范化 为何规范化可以帮助减轻过匹配 规范化的其他技术 练习 问题 第三章 改进神经网络的学...

五、强化学习 让我们在迷宫中放一个机器老鼠 马尔科夫决策过程 Q 学习：学习动作-分值函数 策略学习：状态到动作的映射 DQN，A3C，和深度 RL 中的进展 练习材料和扩展阅读 代码 阅读 + 讲义 到此为止了！ 五、强化学习 原文：Machine Learning for Humans, Part 5: Reinforceme...

常见站群类型: 按主机头类型分： 单站 泛站 泛端口站 IP站群 短网址站群 做站建议 ：单站为主。 因为：单站通吃所有所有引擎。 近两年泛站在百度很难有排名，在搜狗神马能出排名。 此外端口站，IP站，短网址站针对国内的中文搜索引擎近两年几乎无效。 按属性分： 镜像站群 小说站群 电影站群 企业站群 新闻站群 目录站群 单页站群...