教程 | Geoffrey Hinton 机器学习第四课(中文字幕)

作为深度学习祖师,Geoffrey Hinton 的每一句每一言,都使学习者如奉纶音。浓缩其毕生所学的《Neutral Network for Machine Learning》,则是唯一一门 Hinton 老师系统讲授的公开课。

自 2012 年开课,NNML 就一跃成为深度学习开发者的殿堂级慕课。时隔五年,仍然是内容最“干”、最值得学习的深度学习课程。

如果说吴恩达的《Machine Learning》是最佳入门课程,描述 NNML 则只需两个字: “必修”——对于有志于真正掌握深度学习的人而言。

它很难,但也因此没有做任何“dumb down”——为照顾小白而牺牲“厚度”,把原本并不单纯的原理硬以简单的类比表述出来,是几乎所有深度学习课程不得不做的妥协。

但这门课没有。

Lecure 4 学习特征向量

视频内容

内容简介

  • 这节课介绍的是如何用BP反向传播算法训练出词向量,为了方便理解,先从一个族谱案例开始,形象演示神经元、独热编码和反向传播。
  • 族谱是大脑神经元的一种简化形式,这节课将概念特征表达迁移到神经认知学上,从另外一个角度理解神经网络及其中的争议。
  • 感知器只能解决二分类问题,那分类问题怎么办?加Softmax层。Softmax函数能将输出结果表示成多种类别上的概率分布,很好的解决了多分类问题。
  • 了解完Softmax的原理,这节课讲下它的一个应用场景:语音识别,如何在嘈杂的环境中,推断一段语音说的是beach还是speech。

原文发布于微信公众号 - AI研习社(okweiwu)

原文发表时间:2017-04-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI研习社

Geoffrey Hinton | 深度学习之父的神经网络第五课!(中文字幕)

作为深度学习祖师,Geoffrey Hinton 的每一句每一言,都使学习者如奉纶音。浓缩其毕生所学的《Neutral Network for Machine ...

3687
来自专栏专知

CMU2018春季课程:神经网络自然语言处理课程(附PPT和代码)

【导读】我们之前介绍了一系列卡耐基梅隆大学的课程,今天,我们又带来了CMU 2018春季最新的课程“Neural Networks for NLP”介绍,该课程...

6208
来自专栏Vamei实验室

概率论13 中心极限定律

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明。谢谢!

1702
来自专栏AI研习社

循环神经网络RNN(二)深度学习之父的神经网络第八课(中文字幕)

作为深度学习祖师,Geoffrey Hinton 的每一句每一言,都使学习者如奉纶音。浓缩其毕生所学的《Neutral Network for Machine ...

38110
来自专栏新智元

对抗神经机器翻译:GAN+NMT 模型,中国研究者显著提升机翻质量

【新智元导读】中山大学、中国科技大学、微软亚洲研究院与广东省信息安全技术重点实验室合作,提出了一种新的“对抗神经机器翻译”(Adversarial-NMT) 模...

61420
来自专栏Vamei实验室

概率论13 中心极限定律

在整个概率论中,核心的问题是随机变量的分布。正如我们在离散分布和连续分布中看到的,分布有许多种类。更夸张的是,在满足概率公理的前提下,我们完全可以自行设计分布。...

1998
来自专栏机器之心

学界 | FAIR提出通用音乐转换网络:你的口哨声也能变成交响乐

1838
来自专栏深度学习自然语言处理

从Word Embedding到Bert模型——自然语言处理预训练技术发展史

作者简介:张俊林,中国中文信息学会理事,目前在新浪微博 AI Lab 担任资深算法专家。在此之前,张俊林曾经在阿里巴巴任资深技术专家,以及在百度和用友担任技术经...

2884
来自专栏智能算法

GBDT(梯度提升决策树)算法(简明版)

一、算法介绍 GBDT(Gradient Boosting Decision Tree) 又叫 MART(Multiple Additive Regr...

4179
来自专栏新智元

深度学习下一个大突破:机器阅读

【新智元导读】本文作者邓侃认为,机器阅读其实就是自然文本的结构化,而文本摘要和机器翻译在2016年的进展,昭示了机器阅读即将取得的突破。 机器阅读将是深度学习的...

3869

扫码关注云+社区

领取腾讯云代金券