如何理解深度學習？深度學習的理論探索分析
普林斯頓大學計算機科學系教授Sanjeev Arora做了深度學習理論理解探索的報告，包括三個部分：
Why overparametrization and or overprovisioning?
Optimization in deep learning
Theory for Generative Models and Generative Adversarial Nets (GANs)
Sanjeev Arora：印度裔美國理論計算機科學家，他以研究概率可檢驗證明，尤其是PCP定理而聞名。研究興趣包括計算復雜度理論、計算隨機性、概率可檢驗證明等。他于2018年2月被推選為美國國家科學院院士，目前是普林斯頓大學計算機科學系教授。
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。
舉報投訴
-
計算機
+關注
關注
19文章
7806瀏覽量
93190 -
人工智能
+關注
關注
1817文章
50094瀏覽量
265299 -
深度學習
+關注
關注
73文章
5598瀏覽量
124396
原文標題：【干貨51頁PPT】深度學習理論理解探索
文章出處：【微信號：AItists，微信公眾號：人工智能學家】歡迎添加關注！文章轉載請注明出處。
發布評論請先 登錄
相關推薦
熱點推薦
深度學習是什么
創客們的最酷“玩具” 智能無人機、自主機器人、智能攝像機、自動駕駛……今年最令硬件創客們著迷的詞匯，想必就是這些一線“網紅”了。而這些網紅的背后，幾乎都和計算機視覺與深度學習密切相關。 深度
發表于 07-19 06:17
什么是深度學習？使用FPGA進行深度學習的好處？
什么是深度學習為了解釋深度學習，有必要了解神經網絡。神經網絡是一種模擬人腦的神經元和神經網絡的計算模型。作為具體示例，讓我們考慮一個輸入圖像并識別圖像中對象類別的示例。這個例子對應機器
發表于 02-17 16:56
將深度學習和強化學習相結合的深度強化學習DRL
深度強化學習DRL自提出以來， 已在理論和應用方面均取得了顯著的成果。尤其是谷歌DeepMind團隊基于深度強化學習DRL研發的AlphaG
發表于 06-29 18:36
?2.9w次閱讀
機器學習和深度學習有什么區別？
覺信息的理解可以被再現甚至超越。借助深度學習，作為機器學習的一部分，可以在應用實例的基礎上學習和訓練復雜的關系。 機器
深度學習的主要概念介紹
數學和理論細節。雖然數學術語有時是必要的，并且可以進一步理解，但這些文章盡可能使用類比和圖像來提供易于理解的信息，包括對深度學習領域的直觀概
讀懂深度學習，走進“深度學習+”階段
輸出結果，讓AI學會通過特征對數據進行判斷。深度學習之所以更加有效，是因為有海量的數據輸入、更多層的神經網絡和帶有權重的特征學習機制。這也意味著應用深度
工商網監
評論