Yoshua Bengio
Yoshua Bengio是引领2006年深度学习复兴的机器学习领域教授之一(另两位分别是Geoff Hinton和Yann LeCun)。他的研究主要关注如何将机器学习应用于人工智能。一些深度学习领域的教授已经加入Google、Facebook等公司,他是仅存的仍然全身心投入学术界的深度学习教授之一。
内容简介
这篇文章基于Yoshua Bengio在2015年Montreal深度学习暑期课程中的一课,“深度学习:理论驱力”。想要更深刻地理解这个话题的话,非常推荐看一下这一课。
深度学习是机器学习算法中的一个分支,以学习多种层次的表征为方法。多层次的表征相当于是多层次的抽象。这篇文章探索了一个想法:如果我们可以成功地学习多层次的表征,那么我们就可以很好地做到概括归纳。
文中讨论了深度学习与其他几种机器学习算法的区别、传统非参数算法的劣势、分散表示(distributed representation)的优点、深度表征(deep
representation)的意义、凸优化(convex optimization)的实现等话题。