Download as pdf or txt
Download as pdf or txt
You are on page 1of 174





Chapter 7 -IV





深度神经网络模型—




网络优化与正则化









1

1



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


2



3. 机器学习的三个基本要素




p机器学习方法分为三个基本要素:模型、学习准则、优化算法。












学 Review



模型、学习准则、 优化算法 基本概念


  arg min J ( )


2023-11-13 3




例如:

仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载

Review



2023-11-13


仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁

3. 1 机器学习---模型

, 制
严 转
禁 载

Review




5

2023-11-13


仅 部
供 学
内 习

3.1

部 严
学 禁
习 复

学 严
习 禁

基本概念 – 假设空间

, 制
严 转
禁 载


Review



6
3. 1 机器学习---模型

















Do you remember?




2023-11-13 7

3. 1 机器学习---模型










Do you remember? 非线性SVM 核函数









Review

2023-11-13 8

3. 2 机器学习---学习准则



















2023-11-13 9

2023-11-13 9

2023-11-13


仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
3. 2 机器学习---学习准则

严 制
禁 转
复 载



10



仅 部
供 学
内 习
部 ,
学 严
习 禁
Do you remember? , 复
学 严
习 禁
, 复
严 制
禁 转
复 载



11

















统计学意义上的KL散度



12

Do you remember? 特征类别可分离性判据?


3. 2 机器学习---学习准则 – 期望风险



















2023-11-13 13


3. 2 机器学习---学习准则—风险最小化原则


















学 Review
2023-11-13 14


3. 2 机器学习---学习准则—风险最小化原则


















学 Review
2023-11-13 15

机器学习---学习准则 – 损失函数

















使用不同的损失函数以及相应的优化方法,


导致它们之间在实际任务上的表现存在一定的差异。


Review

16



2023-11-13
仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载



机器学习---学习准则 – 损失函数



















补充内容

2023-11-13 18



3. 2 机器学习---学习准则---损失函数

















2023-11-13 19




仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载

补充内容



2023-11-13



仅 部
供 学
内 习
部 ,
学 严
习 禁

机器学习---学习准则---损失函数


学 严
习 禁
, 复
严 制
禁 转
复 载



21
机器学习---学习准则 – 损失函数



















2023-11-13

2023-11-13
补充内容
3. 2 机器学习---学习准则 – 损失函数


















学 Review
2023-11-13 23



2023-11-13
仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载

补充内容






仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载



25



1. 1 机器学习---学习准则---损失函数
















学 损失函数补充内容

2023-11-13 26
2023-11-13



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


损失函数补充内容


27
2023-11-13



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
损失函数补充内容

习 禁
, 复
严 制
禁 转
复 载


损失函数补充内容


28
2023-11-13



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
损失函数补充内容

习 禁
, 复
严 制
禁 转
复 载

补充内容



29
2023-11-13



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
损失函数补充内容

习 禁
, 复
严 制
禁 转
复 载



补充内容
30
2023-11-13



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
损失函数补充内容

习 禁
, 复
严 制
禁 转
复 载

补充内容



31
2023-11-13



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复

损失函数补充内容

学 禁
习 复
, 制
严 转
禁 载


补充内容



32
2023-11-13



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复

损失函数补充内容

学 禁
习 复
, 制
严 转
禁 载


补充内容



33
2023-11-13



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复

损失函数补充内容

学 禁
习 复
, 制
严 转
禁 载


补充内容



34
2023-11-13



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复

损失函数补充内容

学 禁
习 复
, 制
严 转
禁 载


补充内容



35

损失函数补充内容



1. 1 机器学习---学习准则---损失函数
















学 补充内容

2023-11-13 36
2023-11-13



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复

损失函数补充内容

学 禁
习 复
, 制
严 转
禁 载


补充内容



37
损失函数对比


损失函数,用于


计算真实值和预


使用不同的损失函数以及相应的优化方法,导 测值之间差异的


致它们之间在实际任务上的表现存在一定的差异。 函数

















48

损失函数,用于
使用不同的损失函数以及相应的优化方法,导


计算真实值和预
致它们之间在实际任务上的表现存在一定的差异。


测值之间差异的


函数

















48



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载
补充内容






2023-11-13
仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载

41



41



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
损失函数对比

学 严
习 禁
, 复
严 制
禁 转
复 载


48





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
函数

复 载

测值之间差异的
计算真实值和预
损失函数,用于


48





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载






仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
更多的正则讨论!

学 严
习 禁
, 复
严 制

复习

禁 载


Review






仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载






仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载






仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载

Review






仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载

Review










p机器学习方法分为三个基本要素:模型、学习准则、优化算法。







学   arg min J ( )






50



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制

p 网络优化与正则化!

禁 载



51





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
在机器学习应用神经网络模型的难点

禁 转
复 载



52

在机器学习应用神经网络模型的难点
















模型、学习准则、 优化算法 基本概念


   arg min J ( )

2023-11-13




53




举例

仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
MIT

学 严
习 禁
, 复

Applying Neural Networks

严 转
禁 载



54





举例

仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


55





举例

仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


56





举例

仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


57





举例

仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


58





举例

仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


59





举例

仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


60





举例

仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


61





举例

仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


62





举例

仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


63





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
MIT

学 严
习 禁
, 复

Training Neural Networks

严 转
禁 载



64





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


65





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


66





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


67





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


68





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


69





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


70





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


71





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


72





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


73





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


74





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


75





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


76





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


77





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


78





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


79



在机器学习应用神经网络模型的难点
















模型、学习准则、 优化算法 基本概念


   arg min J ( )

2023-11-13




80


在机器学习应用神经网络模型的难点
















模型、学习准则、 优化算法 基本概念


   arg min J ( )

2023-11-13




81




仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


82





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


83


Neural Networks in Practice: Optimization


MIT


















84



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


85





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


86





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


87





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


88





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


89





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载
p 深度神经网络 网络优化与正则化!



90





仅 部
总结文档

供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


91





仅 部
总结文档

供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


92





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


93





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


94





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


95





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


96





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


97





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


98





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


99





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


100





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


101





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


102





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


103





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


104





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


105





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


106





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


107





仅 部
总结文档

供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


108





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


109





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


110





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


111





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


112





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


113





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


114





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


115





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


116





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


117





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


118





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


119





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


120





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


121





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


122





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载






仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


124





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


125





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


126





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


127





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


128





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


129





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


130





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


131





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


132





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


133





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


想想在基于SVM课程设计中如何调参?

134





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


135





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


136





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


137





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
在机器学习应用神经网络模型的难点

禁 转
复 载



138



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


139





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


140





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


141





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


142





仅 部
总结文档

供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


143





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


144





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


145





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


146



正则








L0,L1范数可以实现稀疏化,



而L1系数因为有比L0更好的特性而被广泛应用。



L2范数在回归里就是岭回归,也叫均值衰减,常用于解决过拟合,通过对向量各元素



平方和再求平方根,使得L2范数最小,从而使得参数W的各个元素都接近于0。


L2范数与L1范数不同,其正则后w的值会接近于0但不到0。 L2范数在参数正则化时经



常用到。


L1范数正则后则可能令w的一些值为0,所以L1范数正则在特征选择中经常用到(稀疏

性)。



在回归模型中,通过添加L1,L2范数引入正则化项,得到了LASSO回归和岭回归: 147




仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复

正则化 Regularization

严 转
禁 载



148



L0范数并不是一


个真正的范数,


它主要被用来度
量向量中非零元


素的个数

















149



仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


150





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载






仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


152





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


153





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


154





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


155





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


156





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


157





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


158





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


159





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


160





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


161





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


162





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


163





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


164





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


165





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


166





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载






仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


168





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


169





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


170





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


171





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


172





仅 部
供 学
内 习
部 ,
学 严
习 禁
, 复
学 严
习 禁
, 复
严 制
禁 转
复 载


173



致谢与说明




• 本章课件标有“南京大学机器学习导论课程专用



所有权保留”的页面所有权属南京大学,在此致



谢!




• 深度学习部分内容来自邱锡鹏教授的教科书,在



此致谢!



• 部分课件内容攫取自MIT深度学习课程,在此致



谢!



• 课件仅供学习使用,不用商业用途。


You might also like