超过460,000+ 应用技术资源下载
pdf

深度学习 AI圣经

  • 1星
  • 日期: 2019-01-30
  • 大小: 30.77MB
  • 所需积分:1分
  • 下载次数:14
  • favicon收藏
  • rep举报
  • 分享
  • free评论
标签: 深度学习AI神经网络

目录

致谢 xvi

网站 xxii

数学符号 xxiii

第一章 引言 1

1.1 本书面向的读者 . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.2 深度学习的历史趋势 . . . . . . . . . . . . . . . . . . . . . . . 11

1.2.1 神经网络的众多名称和命运变迁 . . . . . . . . . . . 12

1.2.2 与日俱增的数据量 . . . . . . . . . . . . . . . . . . . 17

1.2.3 与日俱增的模型规模 . . . . . . . . . . . . . . . . . . 19

1.2.4 与日俱增的精度、复杂度和对现实世界的冲击 . . . . 22

第一部分 应用数学与机器学习基础 25

第二章 线性代数 27

2.1 标量、向量、矩阵和张量 . . . . . . . . . . . . . . . . . . . . 27

2.2 矩阵和向量相乘 . . . . . . . . . . . . . . . . . . . . . . . . . . 29

2.3 单位矩阵和逆矩阵 . . . . . . . . . . . . . . . . . . . . . . . . 31

2.4 线性相关和生成子空间 . . . . . . . . . . . . . . . . . . . . . . 32

2.5 范数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

2.6 特殊类型的矩阵和向量 . . . . . . . . . . . . . . . . . . . . . . 36

2.7 特征分解 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

iii

iv 目录

2.8 奇异值分解 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

2.9 Moore-Penrose 伪逆 . . . . . . . . . . . . . . . . . . . . . . . 40

2.10 迹运算 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

2.11 行列式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

2.12 实例:主成分分析 . . . . . . . . . . . . . . . . . . . . . . . . 42

第三章 概率与信息论 47

3.1 为什么要使用概率? . . . . . . . . . . . . . . . . . . . . . . . 47

3.2 随机变量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

3.3 概率分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

3.3.1 离散型变量和概率质量函数 . . . . . . . . . . . . . . 50

3.3.2 连续型变量和概率密度函数 . . . . . . . . . . . . . . 51

3.4 边缘概率 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

3.5 条件概率 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

3.6 条件概率的链式法则 . . . . . . . . . . . . . . . . . . . . . . . 53

3.7 独立性和条件独立性 . . . . . . . . . . . . . . . . . . . . . . . 53

3.8 期望、方差和协方差 . . . . . . . . . . . . . . . . . . . . . . . 54

3.9 常用概率分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

3.9.1 Bernoulli 分布 . . . . . . . . . . . . . . . . . . . . . 56

3.9.2 Multinoulli 分布 . . . . . . . . . . . . . . . . . . . . 56

3.9.3 高斯分布 . . . . . . . . . . . . . . . . . . . . . . . . 57

3.9.4 指数分布和 Laplace 分布 . . . . . . . . . . . . . . . 58

3.9.5 Dirac 分布和经验分布 . . . . . . . . . . . . . . . . . 59

3.9.6 分布的混合 . . . . . . . . . . . . . . . . . . . . . . . 59

3.10 常用函数的有用性质 . . . . . . . . . . . . . . . . . . . . . . . 61

3.11 贝叶斯规则 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

3.12 连续型变量的技术细节 . . . . . . . . . . . . . . . . . . . . . . 64

3.13 信息论 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

3.14 结构化概率模型 . . . . . . . . . . . . . . . . . . . . . . . . . . 69

第四章 数值计算 72

4.1 上溢和下溢 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

4.2 病态条件 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

目录 v

4.3 基于梯度的优化方法 . . . . . . . . . . . . . . . . . . . . . . . 74

4.3.1 梯度之上: Jacobian 和 Hessian 矩阵 . . . . . . . . . 77

4.4 约束优化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

4.5 实例:线性最小二乘 . . . . . . . . . . . . . . . . . . . . . . . 85

第五章 机器学习基础 87

5.1 学习算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

5.1.1 任务 T . . . . . . . . . . . . . . . . . . . . . . . . . 88

5.1.2 性能度量 P . . . . . . . . . . . . . . . . . . . . . . . 91

5.1.3 经验 E . . . . . . . . . . . . . . . . . . . . . . . . . 92

5.1.4 示例:线性回归 . . . . . . . . . . . . . . . . . . . . 94

5.2 容量、过拟合和欠拟合 . . . . . . . . . . . . . . . . . . . . . . 97

5.2.1 没有免费午餐定理 . . . . . . . . . . . . . . . . . . . 102

5.2.2 正则化 . . . . . . . . . . . . . . . . . . . . . . . . . . 104

5.3 超参数和验证集 . . . . . . . . . . . . . . . . . . . . . . . . . . 105

5.3.1 交叉验证 . . . . . . . . . . . . . . . . . . . . . . . . 106

5.4 估计、偏差和方差 . . . . . . . . . . . . . . . . . . . . . . . . 108

5.4.1 点估计 . . . . . . . . . . . . . . . . . . . . . . . . . . 108

5.4.2 偏差 . . . . . . . . . . . . . . . . . . . . . . . . . . . 109

5.4.3 方差和标准差 . . . . . . . . . . . . . . . . . . . . . . 111

5.4.4 权衡偏差和方差以最小化均方误差 . . . . . . . . . . 113

5.4.5 一致性 . . . . . . . . . . . . . . . . . . . . . . . . . . 114

5.5 最大似然估计 . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

5.5.1 条件对数似然和均方误差 . . . . . . . . . . . . . . . 116

5.5.2 最大似然的性质 . . . . . . . . . . . . . . . . . . . . 117

5.6 贝叶斯统计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

5.6.1 最大后验 (MAP) 估计 . . . . . . . . . . . . . . . . . 121

5.7 监督学习算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . 122

5.7.1 概率监督学习 . . . . . . . . . . . . . . . . . . . . . . 122

5.7.2 支持向量机 . . . . . . . . . . . . . . . . . . . . . . . 123

5.7.3 其他简单的监督学习算法 . . . . . . . . . . . . . . . 125

5.8 无监督学习算法 . . . . . . . . . . . . . . . . . . . . . . . . . . 128

5.8.1 主成分分析 . . . . . . . . . . . . . . . . . . . . . . . 128

vi 目录

5.8.2 k-均值聚类 . . . . . . . . . . . . . . . . . . . . . . . 131

5.9 随机梯度下降 . . . . . . . . . . . . . . . . . . . . . . . . . . . 132

5.10 构建机器学习算法 . . . . . . . . . . . . . . . . . . . . . . . . 133

5.11 促使深度学习发展的挑战 . . . . . . . . . . . . . . . . . . . . 134

5.11.1 维数灾难 . . . . . . . . . . . . . . . . . . . . . . . . 135

5.11.2 局部不变性和平滑正则化 . . . . . . . . . . . . . . . 135

5.11.3 流形学习 . . . . . . . . . . . . . . . . . . . . . . . . 139

第二部分 深度网络:现代实践 143

第六章 深度前馈网络 145

6.1 实例:学习 XOR . . . . . . . . . . . . . . . . . . . . . . . . . 148

6.2 基于梯度的学习 . . . . . . . . . . . . . . . . . . . . . . . . . . 152

6.2.1 代价函数 . . . . . . . . . . . . . . . . . . . . . . . . 153

6.2.1.1 使用最大似然学习条件分布 . . . . . . . . . . . . . 154

6.2.1.2 学习条件统计量 . . . . . . . . . . . . . . . . . . . . 155

6.2.2 输出单元 . . . . . . . . . . . . . . . . . . . . . . . . 156

6.2.2.1 用于高斯输出分布的线性单元 . . . . . . . . . . . . 156

6.2.2.2 用于 Bernoulli 输出分布的 sigmoid 单元 . . . . . . 157

6.2.2.3 用于 Multinoulli 输出分布的 softmax 单元 . . . . . 159

6.2.2.4 其他的输出类型 . . . . . . . . . . . . . . . . . . . . 162

6.3 隐藏单元 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

6.3.1 整流线性单元及其扩展 . . . . . . . . . . . . . . . . . 166

6.3.2 logistic sigmoid 与双曲正切函数 . . . . . . . . . . . 168

6.3.3 其他隐藏单元 . . . . . . . . . . . . . . . . . . . . . . 169

6.4 架构设计 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170

6.4.1 万能近似性质和深度 . . . . . . . . . . . . . . . . . . 171

6.4.2 其他架构上的考虑 . . . . . . . . . . . . . . . . . . . 174

6.5 反向传播和其他的微分算法 . . . . . . . . . . . . . . . . . . . 175

6.5.1 计算图 . . . . . . . . . . . . . . . . . . . . . . . . . . 176

6.5.2 微积分中的链式法则 . . . . . . . . . . . . . . . . . . 178

6.5.3 递归地使用链式法则来实现反向传播 . . . . . . . . . 179

目录 vii

6.5.4 全连接 MLP 中的反向传播计算 . . . . . . . . . . . . 181

6.5.5 符号到符号的导数 . . . . . . . . . . . . . . . . . . . 182

6.5.6 一般化的反向传播 . . . . . . . . . . . . . . . . . . . 185

6.5.7 实例:用于 MLP 训练的反向传播 . . . . . . . . . . 188

6.5.8 复杂化 . . . . . . . . . . . . . . . . . . . . . . . . . . 190

6.5.9 深度学习界以外的微分 . . . . . . . . . . . . . . . . . 191

6.5.10 高阶微分 . . . . . . . . . . . . . . . . . . . . . . . . 193

6.6 历史小记 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193

第七章 深度学习中的正则化 197

7.1 参数范数惩罚 . . . . . . . . . . . . . . . . . . . . . . . . . . . 198

7.1.1 L2 参数正则化 . . . . . . . . . . . . . . . . . . . . . 199

7.1.2 L1 参数正则化 . . . . . . . . . . . . . . . . . . . . . 202

7.2 作为约束的范数惩罚 . . . . . . . . . . . . . . . . . . . . . . . 204

7.3 正则化和欠约束问题 . . . . . . . . . . . . . . . . . . . . . . . 206

7.4 数据集增强 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207

7.5 噪声鲁棒性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208

7.5.1 向输出目标注入噪声 . . . . . . . . . . . . . . . . . . 209

7.6 半监督学习 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209

7.7 多任务学习 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210

7.8 提前终止 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211

7.9 参数绑定和参数共享 . . . . . . . . . . . . . . . . . . . . . . . 217

7.9.1 卷积神经网络 . . . . . . . . . . . . . . . . . . . . . . 218

7.10 稀疏表示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218

7.11 Bagging 和其他集成方法 . . . . . . . . . . . . . . . . . . . . . 220

7.12 Dropout . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222

7.13 对抗训练 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230

7.14 切面距离、正切传播和流形正切分类器 . . . . . . . . . . . . . 232

第八章 深度模型中的优化 235

8.1 学习和纯优化有什么不同 . . . . . . . . . . . . . . . . . . . . 235

8.1.1 经验风险最小化 . . . . . . . . . . . . . . . . . . . . 236

8.1.2 代理损失函数和提前终止 . . . . . . . . . . . . . . . 237

viii 目录

8.1.3 批量算法和小批量算法 . . . . . . . . . . . . . . . . . 237

8.2 神经网络优化中的挑战 . . . . . . . . . . . . . . . . . . . . . . 241

8.2.1 病态 . . . . . . . . . . . . . . . . . . . . . . . . . . . 242

8.2.2 局部极小值 . . . . . . . . . . . . . . . . . . . . . . . 243

8.2.3 高原、鞍点和其他平坦区域 . . . . . . . . . . . . . . 244

8.2.4 悬崖和梯度爆炸 . . . . . . . . . . . . . . . . . . . . 246

8.2.5 长期依赖 . . . . . . . . . . . . . . . . . . . . . . . . 247

8.2.6 非精确梯度 . . . . . . . . . . . . . . . . . . . . . . . 248

8.2.7 局部和全局结构间的弱对应 . . . . . . . . . . . . . . 248

8.2.8 优化的理论限制 . . . . . . . . . . . . . . . . . . . . 250

8.3 基本算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251

8.3.1 随机梯度下降 . . . . . . . . . . . . . . . . . . . . . . 251

8.3.2 动量 . . . . . . . . . . . . . . . . . . . . . . . . . . . 253

8.3.3 Nesterov 动量 . . . . . . . . . . . . . . . . . . . . . 256

8.4 参数初始化策略 . . . . . . . . . . . . . . . . . . . . . . . . . . 256

8.5 自适应学习率算法 . . . . . . . . . . . . . . . . . . . . . . . . 261

8.5.1 AdaGrad . . . . . . . . . . . . . . . . . . . . . . . . 261

8.5.2 RMSProp . . . . . . . . . . . . . . . . . . . . . . . . 262

8.5.3 Adam . . . . . . . . . . . . . . . . . . . . . . . . . . 262

8.5.4 选择正确的优化算法 . . . . . . . . . . . . . . . . . . 263

8.6 二阶近似方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . 265

8.6.1 牛顿法 . . . . . . . . . . . . . . . . . . . . . . . . . . 266

8.6.2 共轭梯度 . . . . . . . . . . . . . . . . . . . . . . . . 267

8.6.3 BFGS . . . . . . . . . . . . . . . . . . . . . . . . . . 270

8.7 优化策略和元算法 . . . . . . . . . . . . . . . . . . . . . . . . 271

8.7.1 批标准化 . . . . . . . . . . . . . . . . . . . . . . . . 271

8.7.2 坐标下降 . . . . . . . . . . . . . . . . . . . . . . . . 274

8.7.3 Polyak 平均 . . . . . . . . . . . . . . . . . . . . . . . 274

8.7.4 监督预训练 . . . . . . . . . . . . . . . . . . . . . . . 275

8.7.5 设计有助于优化的模型 . . . . . . . . . . . . . . . . . 277

8.7.6 延拓法和课程学习 . . . . . . . . . . . . . . . . . . . 278

目录 ix

第九章 卷积网络 281

9.1 卷积运算 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282

9.2 动机 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285

9.3 池化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290

9.4 卷积与池化作为一种无限强的先验 . . . . . . . . . . . . . . . 295

9.5 基本卷积函数的变体 . . . . . . . . . . . . . . . . . . . . . . . 296

9.6 结构化输出 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306

9.7 数据类型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307

9.8 高效的卷积算法 . . . . . . . . . . . . . . . . . . . . . . . . . . 309

9.9 随机或无监督的特征 . . . . . . . . . . . . . . . . . . . . . . . 310

9.10 卷积网络的神经科学基础 . . . . . . . . . . . . . . . . . . . . 311

9.11 卷积网络与深度学习的历史 . . . . . . . . . . . . . . . . . . . 317

第十章 序列建模:循环和递归网络 319

10.1 展开计算图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320

10.2 循环神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . 323

10.2.1 导师驱动过程和输出循环网络 . . . . . . . . . . . . . 326

10.2.2 计算循环神经网络的梯度 . . . . . . . . . . . . . . . 328

10.2.3 作为有向图模型的循环网络 . . . . . . . . . . . . . . 330

10.2.4 基于上下文的 RNN 序列建模 . . . . . . . . . . . . . 334

10.3 双向 RNN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 336

10.4 基于编码-解码的序列到序列架构 . . . . . . . . . . . . . . . . 338

10.5 深度循环网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . 340

10.6 递归神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . 341

10.7 长期依赖的挑战 . . . . . . . . . . . . . . . . . . . . . . . . . . 343

10.8 回声状态网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . 345

10.9 渗漏单元和其他多时间尺度的策略 . . . . . . . . . . . . . . . 347

10.9.1 时间维度的跳跃连接 . . . . . . . . . . . . . . . . . . 347

10.9.2 渗漏单元和一系列不同时间尺度 . . . . . . . . . . . 348

10.9.3 删除连接 . . . . . . . . . . . . . . . . . . . . . . . . 348

10.10 长短期记忆和其他门控 RNN . . . . . . . . . . . . . . . . . . 349

10.10.1 LSTM . . . . . . . . . . . . . . . . . . . . . . . . . . 349

10.10.2 其他门控 RNN . . . . . . . . . . . . . . . . . . . . . 351

x 目录

10.11 优化长期依赖 . . . . . . . . . . . . . . . . . . . . . . . . . . . 352

10.11.1 截断梯度 . . . . . . . . . . . . . . . . . . . . . . . . 353

10.11.2 引导信息流的正则化 . . . . . . . . . . . . . . . . . . 355

10.12 外显记忆 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355

第十一章 实践方法论 359

11.1 性能度量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 360

11.2 默认的基准模型 . . . . . . . . . . . . . . . . . . . . . . . . . . 362

11.3 决定是否收集更多数据 . . . . . . . . . . . . . . . . . . . . . . 363

11.4 选择超参数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 364

11.4.1 手动调整超参数 . . . . . . . . . . . . . . . . . . . . 364

11.4.2 自动超参数优化算法 . . . . . . . . . . . . . . . . . . 367

11.4.3 网格搜索 . . . . . . . . . . . . . . . . . . . . . . . . 368

11.4.4 随机搜索 . . . . . . . . . . . . . . . . . . . . . . . . 369

11.4.5 基于模型的超参数优化 . . . . . . . . . . . . . . . . . 370

11.5 调试策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371

11.6 示例:多位数字识别 . . . . . . . . . . . . . . . . . . . . . . . 374

第十二章 应用 377

12.1 大规模深度学习 . . . . . . . . . . . . . . . . . . . . . . . . . . 377

12.1.1 快速的 CPU 实现 . . . . . . . . . . . . . . . . . . . 378

12.1.2 GPU 实现 . . . . . . . . . . . . . . . . . . . . . . . . 378

12.1.3 大规模的分布式实现 . . . . . . . . . . . . . . . . . . 380

12.1.4 模型压缩 . . . . . . . . . . . . . . . . . . . . . . . . 381

12.1.5 动态结构 . . . . . . . . . . . . . . . . . . . . . . . . 382

12.1.6 深度网络的专用硬件实现 . . . . . . . . . . . . . . . 384

12.2 计算机视觉 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385

12.2.1 预处理 . . . . . . . . . . . . . . . . . . . . . . . . . . 385

12.2.1.1 对比度归一化 . . . . . . . . . . . . . . . . . . . . . 386

12.2.2 数据集增强 . . . . . . . . . . . . . . . . . . . . . . . 389

12.3 语音识别 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 390

12.4 自然语言处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . 392

12.4.1 n-gram . . . . . . . . . . . . . . . . . . . . . . . . . 392

目录 xi

12.4.2 神经语言模型 . . . . . . . . . . . . . . . . . . . . . . 394

12.4.3 高维输出 . . . . . . . . . . . . . . . . . . . . . . . . 396

12.4.3.1 使用短列表 . . . . . . . . . . . . . . . . . . . . . . 396

12.4.3.2 分层 Softmax . . . . . . . . . . . . . . . . . . . . . 397

12.4.3.3 重要采样 . . . . . . . . . . . . . . . . . . . . . . . . 399

12.4.3.4 噪声对比估计和排名损失 . . . . . . . . . . . . . . . 401

12.4.4 结合 n-gram 和神经语言模型 . . . . . . . . . . . . . 401

12.4.5 神经机器翻译 . . . . . . . . . . . . . . . . . . . . . . 402

12.4.5.1 使用注意力机制并对齐数据片段 . . . . . . . . . . . 403

12.4.6 历史展望 . . . . . . . . . . . . . . . . . . . . . . . . 406

12.5 其他应用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407

12.5.1 推荐系统 . . . . . . . . . . . . . . . . . . . . . . . . 407

12.5.1.1 探索与利用 . . . . . . . . . . . . . . . . . . . . . . 409

12.5.2 知识表示、推理和回答 . . . . . . . . . . . . . . . . . 410

12.5.2.1 知识、联系和回答 . . . . . . . . . . . . . . . . . . . 410

第三部分 深度学习研究 414

第十三章 线性因子模型 417

13.1 概率 PCA 和因子分析 . . . . . . . . . . . . . . . . . . . . . . 418

13.2 独立成分分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . 419

13.3 慢特征分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421

13.4 稀疏编码 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 423

13.5 PCA 的流形解释 . . . . . . . . . . . . . . . . . . . . . . . . . 426

第十四章 自编码器 429

14.1 欠完备自编码器 . . . . . . . . . . . . . . . . . . . . . . . . . . 430

14.2 正则自编码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . 431

14.2.1 稀疏自编码器 . . . . . . . . . . . . . . . . . . . . . . 431

14.2.2 去噪自编码器 . . . . . . . . . . . . . . . . . . . . . . 433

14.2.3 惩罚导数作为正则 . . . . . . . . . . . . . . . . . . . 434

14.3 表示能力、层的大小和深度 . . . . . . . . . . . . . . . . . . . 434

14.4 随机编码器和解码器 . . . . . . . . . . . . . . . . . . . . . . . 435

xii 目录

14.5 去噪自编码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . 436

14.5.1 得分估计 . . . . . . . . . . . . . . . . . . . . . . . . 437

14.5.2 历史展望 . . . . . . . . . . . . . . . . . . . . . . . . 440

14.6 使用自编码器学习流形 . . . . . . . . . . . . . . . . . . . . . . 440

14.7 收缩自编码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . 445

14.8 预测稀疏分解 . . . . . . . . . . . . . . . . . . . . . . . . . . . 447

14.9 自编码器的应用 . . . . . . . . . . . . . . . . . . . . . . . . . . 448

第十五章 表示学习 449

15.1 贪心逐层无监督预训练 . . . . . . . . . . . . . . . . . . . . . . 450

15.1.1 何时以及为何无监督预训练有效? . . . . . . . . . . 452

15.2 迁移学习和领域自适应 . . . . . . . . . . . . . . . . . . . . . . 457

15.3 半监督解释因果关系 . . . . . . . . . . . . . . . . . . . . . . . 461

15.4 分布式表示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 466

15.5 得益于深度的指数增益 . . . . . . . . . . . . . . . . . . . . . . 471

15.6 提供发现潜在原因的线索 . . . . . . . . . . . . . . . . . . . . 472

第十六章 深度学习中的结构化概率模型 475

16.1 非结构化建模的挑战 . . . . . . . . . . . . . . . . . . . . . . . 476

16.2 使用图描述模型结构 . . . . . . . . . . . . . . . . . . . . . . . 479

16.2.1 有向模型 . . . . . . . . . . . . . . . . . . . . . . . . 480

16.2.2 无向模型 . . . . . . . . . . . . . . . . . . . . . . . . 482

16.2.3 配分函数 . . . . . . . . . . . . . . . . . . . . . . . . 484

16.2.4 基于能量的模型 . . . . . . . . . . . . . . . . . . . . 485

16.2.5 分离和 d-分离 . . . . . . . . . . . . . . . . . . . . . 487

16.2.6 在有向模型和无向模型中转换 . . . . . . . . . . . . . 490

16.2.7 因子图 . . . . . . . . . . . . . . . . . . . . . . . . . . 493

16.3 从图模型中采样 . . . . . . . . . . . . . . . . . . . . . . . . . . 494

16.4 结构化建模的优势 . . . . . . . . . . . . . . . . . . . . . . . . 495

16.5 学习依赖关系 . . . . . . . . . . . . . . . . . . . . . . . . . . . 496

16.6 推断和近似推断 . . . . . . . . . . . . . . . . . . . . . . . . . . 497

16.7 结构化概率模型的深度学习方法 . . . . . . . . . . . . . . . . . 498

16.7.1 实例:受限玻尔兹曼机 . . . . . . . . . . . . . . . . . 499

目录 xiii

第十七章 蒙特卡罗方法 502

17.1 采样和蒙特卡罗方法 . . . . . . . . . . . . . . . . . . . . . . . 502

17.1.1 为什么需要采样? . . . . . . . . . . . . . . . . . . . 502

17.1.2 蒙特卡罗采样的基础 . . . . . . . . . . . . . . . . . . 503

17.2 重要采样 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504

17.3 马尔可夫链蒙特卡罗方法 . . . . . . . . . . . . . . . . . . . . 506

17.4 Gibbs 采样 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 510

17.5 不同的峰值之间的混合挑战 . . . . . . . . . . . . . . . . . . . 511

17.5.1 不同峰值之间通过回火来混合 . . . . . . . . . . . . . 513

17.5.2 深度也许会有助于混合 . . . . . . . . . . . . . . . . . 514

第十八章 直面配分函数 516

18.1 对数似然梯度 . . . . . . . . . . . . . . . . . . . . . . . . . . . 516

18.2 随机最大似然和对比散度 . . . . . . . . . . . . . . . . . . . . 518

18.3 伪似然 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524

18.4 得分匹配和比率匹配 . . . . . . . . . . . . . . . . . . . . . . . 526

18.5 去噪得分匹配 . . . . . . . . . . . . . . . . . . . . . . . . . . . 528

18.6 噪声对比估计 . . . . . . . . . . . . . . . . . . . . . . . . . . . 529

18.7 估计配分函数 . . . . . . . . . . . . . . . . . . . . . . . . . . . 531

18.7.1 退火重要采样 . . . . . . . . . . . . . . . . . . . . . . 533

18.7.2 桥式采样 . . . . . . . . . . . . . . . . . . . . . . . . 536

第十九章 近似推断 538

19.1 把推断视作优化问题 . . . . . . . . . . . . . . . . . . . . . . . 539

19.2 期望最大化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 541

19.3 最大后验推断和稀疏编码 . . . . . . . . . . . . . . . . . . . . 542

19.4 变分推断和变分学习 . . . . . . . . . . . . . . . . . . . . . . . 544

19.4.1 离散型潜变量 . . . . . . . . . . . . . . . . . . . . . . 545

19.4.2 变分法 . . . . . . . . . . . . . . . . . . . . . . . . . . 551

19.4.3 连续型潜变量 . . . . . . . . . . . . . . . . . . . . . . 554

19.4.4 学习和推断之间的相互作用 . . . . . . . . . . . . . . 556

19.5 学成近似推断 . . . . . . . . . . . . . . . . . . . . . . . . . . . 556

19.5.1 醒眠算法 . . . . . . . . . . . . . . . . . . . . . . . . 557

xiv 目录

19.5.2 学成推断的其他形式 . . . . . . . . . . . . . . . . . . 557

第二十章 深度生成模型 559

20.1 玻尔兹曼机 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 559

20.2 受限玻尔兹曼机 . . . . . . . . . . . . . . . . . . . . . . . . . . 561

20.2.1 条件分布 . . . . . . . . . . . . . . . . . . . . . . . . 562

20.2.2 训练受限玻尔兹曼机 . . . . . . . . . . . . . . . . . . 563

20.3 深度信念网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . 564

20.4 深度玻尔兹曼机 . . . . . . . . . . . . . . . . . . . . . . . . . . 566

20.4.1 有趣的性质 . . . . . . . . . . . . . . . . . . . . . . . 568

20.4.2 DBM 均匀场推断 . . . . . . . . . . . . . . . . . . . 569

20.4.3 DBM 的参数学习 . . . . . . . . . . . . . . . . . . . 571

20.4.4 逐层预训练 . . . . . . . . . . . . . . . . . . . . . . . 572

20.4.5 联合训练深度玻尔兹曼机 . . . . . . . . . . . . . . . 574

20.5 实值数据上的玻尔兹曼机 . . . . . . . . . . . . . . . . . . . . 578

20.5.1 Gaussian-Bernoulli RBM . . . . . . . . . . . . . . . 578

20.5.2 条件协方差的无向模型 . . . . . . . . . . . . . . . . . 579

20.6 卷积玻尔兹曼机 . . . . . . . . . . . . . . . . . . . . . . . . . . 583

20.7 用于结构化或序列输出的玻尔兹曼机 . . . . . . . . . . . . . . 585

20.8 其他玻尔兹曼机 . . . . . . . . . . . . . . . . . . . . . . . . . . 586

20.9 通过随机操作的反向传播 . . . . . . . . . . . . . . . . . . . . 587

20.9.1 通过离散随机操作的反向传播 . . . . . . . . . . . . . 588

20.10 有向生成网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . 591

20.10.1 sigmoid 信念网络 . . . . . . . . . . . . . . . . . . . . 591

20.10.2 可微生成器网络 . . . . . . . . . . . . . . . . . . . . 592

20.10.3 变分自编码器 . . . . . . . . . . . . . . . . . . . . . . 594

20.10.4 生成式对抗网络 . . . . . . . . . . . . . . . . . . . . 597

20.10.5 生成矩匹配网络 . . . . . . . . . . . . . . . . . . . . 600

20.10.6 卷积生成网络 . . . . . . . . . . . . . . . . . . . . . . 601

20.10.7 自回归网络 . . . . . . . . . . . . . . . . . . . . . . . 602

20.10.8 线性自回归网络 . . . . . . . . . . . . . . . . . . . . 602

20.10.9 神经自回归网络 . . . . . . . . . . . . . . . . . . . . 603

20.10.10 NADE . . . . . . . . . . . . . . . . . . . . . . . . . . 604

目录 xv

20.11 从自编码器采样 . . . . . . . . . . . . . . . . . . . . . . . . . . 606

20.11.1 与任意去噪自编码器相关的马尔可夫链 . . . . . . . . 607

20.11.2 夹合与条件采样 . . . . . . . . . . . . . . . . . . . . 607

20.11.3 回退训练过程 . . . . . . . . . . . . . . . . . . . . . . 608

20.12 生成随机网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . 609

20.12.1 判别性 GSN . . . . . . . . . . . . . . . . . . . . . . . 610

20.13 其他生成方案 . . . . . . . . . . . . . . . . . . . . . . . . . . . 610

20.14 评估生成模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . 611

20.15 结论 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 613

参考文献 615

术语 679

文档内容节选

深度学习 2017 年 9 月 4 日 ii 目录 致谢 网站 数学符号 xvi xxii xxiii 第一章 引言 1 11 本书面向的读者 10 12 深度学习的历史趋势 11 121 神经网络的众多名称和命运变迁 12 122 与日俱增的数据量 17 123 与日俱增的模型规模 19 124 与日俱增的精度复杂度和对现实世界的冲击 22 第一部分 应用数学与机器学习基础 25 第二章 线性代数 27 21 标量向量矩阵和张量 27 22 矩阵和向量相乘 29 23 单位矩阵和逆矩阵 31 24 线性相关和生成子空间 32 25 范数 34......

更多简介内容

评论


个人中心

意见反馈

求资源

回顶部

下载专区


TI最新应用解决方案

工业电子 汽车电子 个人电子

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

EEWorld电子技术资料下载——分享有价值的资料

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved
$(function(){ var appid = $(".select li a").data("channel"); $(".select li a").click(function(){ var appid = $(this).data("channel"); $('.select dt').html($(this).html()); $('#channel').val(appid); }) })