Introduction
第6章 深度前馈网络
6.2 基于梯度的学习
6.2.2.1 用于高斯输出分布的线性神单元
深度线性网络实验
6.2.2.2 用于Bernoulli输出分布的sigmoid单元
6.2.2.3 用于Multinoulli输出分布的softmax单元
6.3 隐藏单元
6.3.1 ReLU及其扩展
6.3.2 logistic sigmoid与双曲正切函数
第7章 深度学习中的正则化
7.1 参数范数惩罚
7.1.1 L2参数正则化
7.1.2 L1参数正则化
7.8 提前终止
7.11 Bagging 和其他集成方法
7.12 Dropout
第8章 深度模型中的优化
8.3 基本算法
8.3.1 随机梯度下降
8.3.2 动量
8.5 自适应学习率算法
8.5.1 AdaGrad
8.5.2 RMSProp
第11章 实践方法论
11.2 默认的基准模型
第12章 应用
12.1 大规模深度学习
12.1.2 GPU 实现
Published with GitBook
6.2.2.2 用于Bernoulli输出分布的sigmoid单元
results matching "
"
No results matching "
"