Tag：人工智能  结构学习

人工智能中的深度结构学习
前折页
书名页
版权页
译者序
目录
1  引言
     1.1  如何训练深度结构
     1.2  中间层表示：在不同的任务中共享特征和抽象
     1.3  学习人工智能的必经之路
     1.4  本书大纲
2  深度结构的理论优势
     2.1  计算复杂性
     2.2  一些非正式的论证
3  局部与非局部泛化性
     3.1  局部模板匹配的局限性
     3.2  学习分布式表示
4  具有深度结构的神经网络
     4.1  多层神经网络
     4.2  训练深度神经网络的挑战
     4.3  深度结构的无监督学习
     4.4  深度生成结构
     4.5  卷积神经网络
     4.6  自动编码器
5  能量模型和玻尔兹曼机
     5.1  能量模型和专家乘积系统
     5.2  玻尔兹曼机
     5.3  受限玻尔兹曼机
     5.4  对比散度
6  深层结构的逐层贪心训练
     6.1  深度置信网络的逐层训练
     6.2  堆叠自动编码器训练
     6.3  半监督与部分监督训练
7  受限玻尔兹曼机和自动编码器的变体
     7.1  自动编码器和受限玻尔兹曼机的稀疏化表示
     7.2  降噪自动编码器
     7.3  层内连接
     7.4  条件RBM和时序RBM
     7.5  分解式RBM
     7.6  受限玻尔兹曼机和对比散度的推广
8  DBN各层联合优化中的随机变分边界
     8.1  将RBM展开为无限有向置信网络
     8.2  逐层贪心训练的变分证明
     8.3  所有层的联合无监督训练
9  展望
     9.1  全局优化策略
     9.2  无监督学习的重要性
     9.3  开放的问题
10  总结
致谢
参考文献
后折页

BCCN本地下载 

 

>> 评论

 

热门Tag：