花书《Deep Learning》笔记
数学符号 第一章 引言 许多人工智能任务都可以通过以下方式解决：先提取一个合适的特征集，然后将这些特征提供给简单的机器学习算法。例如，对于通过声音鉴别说话者的任务来说，一个有用的特征是对其声道大小的估计。这个特征为判断说话者是男性、女性还是儿童提供了有力线索。 然而，对于许多任务来说，我们很难知道应该提取哪些特征。例如，假设我们想编写一个程序来检测照片中的车。我们知道，汽车有轮子，所以我们可能会想
相关文章
- 1. Deep Learning（花书）-learning_log1&abstract
- 2. Deep Learning花书学习笔记-------第2章 线性代数
- 3. 花书《Deep learning》学习笔记–Convolutional Networks-卷积神经网络
- 4. Deep Learning(花书)教材笔记-Math and Machine Learning Basics(线性代数拾遗)
- 5. 读书笔记：“Deep Learning by Bengio” 之 Introduction
- 6. cousera“Neural NetWorks and Deep learning"读书笔记
- 7. Deep Learning花书学习笔记-------第3章 概率与信息论
- 8. 论文笔记：Deep Residual Learning
- 9. Bayesian Deep Learning 学习笔记
- 10. Deep Learning Onramp 学习笔记
- 更多相关文章...
- • Eclipse 添加书签 - Eclipse 教程
- • ASP.NET Razor - 标记 - ASP.NET 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 使用阿里云OSS+CDN部署前端页面与加速静态资源
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Deep Learning（花书）-learning_log1&abstract
- 2. Deep Learning花书学习笔记-------第2章 线性代数
- 3. 花书《Deep learning》学习笔记–Convolutional Networks-卷积神经网络
- 4. Deep Learning(花书)教材笔记-Math and Machine Learning Basics(线性代数拾遗)
- 5. 读书笔记：“Deep Learning by Bengio” 之 Introduction
- 6. cousera“Neural NetWorks and Deep learning"读书笔记
- 7. Deep Learning花书学习笔记-------第3章 概率与信息论
- 8. 论文笔记：Deep Residual Learning
- 9. Bayesian Deep Learning 学习笔记
- 10. Deep Learning Onramp 学习笔记