【第十六章】Deep Learning 讀書筆記——深度學習中結構化概率模型
16.1 非結構化建模的挑戰 在深度學習中，我們訓練AI模型去理解自然圖片，聲波代表的演講，或包含很多單詞的文檔。這些通常需要深度學習模型將一個高維度的數據作爲輸入，並將這個輸入概括到一個特定的類別。但在類似的分類問題中，模型往往可以不必考慮到輸入的所有維度。比如，在圖片識別的時候，模型可以忽略點圖片中的背景。 但是，在概率模型中，我們需要考慮所有的輸入以及輸入數據的全部結構。這些問題包括： De
相關文章
- 1. Deep Learning讀書筆記3---深度學習中的正則化
- 2. 《deep learning》學習筆記（8）——深度模型中的優化
- 3. 深度學習中的結構化概率模型
- 4. 深度學習《deep learning》學習筆記第一章——引言
- 5. 深度學習讀書筆記（Learning Deep Architectures for AI雜記）
- 6. 深度學習（花書）讀書筆記——第三章-概率與信息論
- 7. Deep Learning花書學習筆記-------第3章 概率與信息論
- 8. 《deep learning》學習筆記（7）——深度學習中的正則化
- 9. Deep Learning（深度學習）學習筆記整理系列之（六）
- 10. 強化學習（RLAI）讀書筆記第六章差分學習（TD-learning）
- 更多相關文章...
- • ASP.NET MVC - 模型 - ASP.NET 教程
- • XML 樹結構 - XML 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Kotlin學習（二）基本類型
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Deep Learning讀書筆記3---深度學習中的正則化
- 2. 《deep learning》學習筆記（8）——深度模型中的優化
- 3. 深度學習中的結構化概率模型
- 4. 深度學習《deep learning》學習筆記第一章——引言
- 5. 深度學習讀書筆記（Learning Deep Architectures for AI雜記）
- 6. 深度學習（花書）讀書筆記——第三章-概率與信息論
- 7. Deep Learning花書學習筆記-------第3章 概率與信息論
- 8. 《deep learning》學習筆記（7）——深度學習中的正則化
- 9. Deep Learning（深度學習）學習筆記整理系列之（六）
- 10. 強化學習（RLAI）讀書筆記第六章差分學習（TD-learning）