神经网络的一些可视化小玩意儿
填词做古诗
http://poem.bosonnlp.com/- 人脸变形演示
http://vdumoulin.github.io/morphing_faces/online_demo.html(变分自编码器) 数字手写体展示
http://www.dpkingma.com/sgvb_mnist_demo/demo.html(深度生成模型)神经网络动物园
http://www.asimovinstitute.org/neural-network-zoo-prequel-cells-layers/RNN学习汪峰作品做歌词
https://github.com/phunterlau/wangfeng-rnn一些资料汇总
https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html
书籍推荐
周志华 机器学习(极适合入门)
李航 统计学习方法
学习平台(视频)
斯坦福CS231n课程
https://www.deeplearning.ai/(吴恩达不仅课讲得好,妻子也长得很漂亮。)
人工领域的大牛
- Geoff Hinton
- Yann Lekun
- Yoshua Bengio
- Andrew Ng
深度学习开发框架
- 谷歌的TensorFlow(新手首推)
- Caffe、微软的CNTK、MXNet、facebook的Torch、DeepLearning4j、Theano
神经网络的三起两落
心理学家建立了MP模型——>
五人会议(单层感知器)——>
异或问题导致第一次寒冬——>
重振:Hopfield网络、受限玻尔兹曼机、BP神经网络———>
梯度消失、局部极值以及SVM方法导致神经网络第二次低谷——>
Relu、预训练、CNN、GPU等让神经网络迎来新的春天——>???where to go???
需要的知识(几乎不需要,可速补):
- 知道简单的矩阵求导和链式法则等;
- 基础概率知识:概率分布、条件概率、联合概率、边缘分布、最大似然估计等。
机器学习的分类和方法:
- 无监督:聚类、降维、异常检测、密度估计、深度学习……
- 监督学习:分类、回归、支持向量机、深度学习……
一个牛逼的定理:
万有逼近定理