- 序言:
神经网络结构,作为最成功的机器学习模型之一,其工作原理一直被埋藏得比较深,其解释性以至于被称为黑盒。
自己对于DNN的理解也只能算刚踏入了门槛,对于人脑的原理与DNN原理之间的互通性,一直是非常深信的,所以想一窥DNN成功背后的数学原理。
通过DNN原理探究系列博文,希望能总结归纳已经理解的知识点,梳理清楚知识点之间的关系结构,同时探讨各种流派对于DNN原理的解读。
目录会随着自己掌握的知识量逐渐扩展新的分支,以此记录自己的学习历程。
- 当前知识结构树(2017-11-11)
DNN结构与原理(神经元 + 权重 +非线激活):
结构的作用:
激活响应区域Partition,拟合任意函数
向量空间的变换Transformation
向量空间变换技巧:核方法
训练和结构参数的影响与作用:
SGD与收敛速度
信息瓶颈理论:
隐层马尔科夫链的信息表述
信息压缩的必要性
信息压缩的方法
分类器原理(softmax):
最大熵与玻尔兹曼分布
最大熵与最大似然的关联
能量模型
时间: 2024-10-01 10:39:08