了解深度学习

了解深度学习
Understanding Deep Learning

原始链接: https://udlbook.github.io/udlbook/

这是即将出版的书《理解深度学习》的简要概要，该书由 Simon J.D. Prince 撰写，将于 2023 年 12 月由麻省理工学院出版社出版。这本书将涵盖深度学习的基本概念，从线性回归等基础知识开始并转向监督学习、浅层和深层神经网络、损失函数、训练模型、测量性能、正则化技术、卷积和循环神经网络、生成对抗网络、无监督学习算法、扩散模型、强化学习原理和人工智能成功解决社会问题的用例。此外，资源部分还包括讲师的答案指南、Python 笔记本练习、补充材料和详细的参考书目。如需了解更多信息，您可以访问 http://udlbook.com 或通过 github 存储库下载包含交互元素的 pdf、矢量格式或 powerpoint 版本。最后，请关注作者的网站或社交媒体帐户，以获取有关发布日期的任何重要更新或通知。提供的引文格式为 APA 风格。注意：此摘要仅根据在线资源创建；最终出版物中可能会出现更改、添加或更正。

Hopf 动力学自然地产生于循环神经网络中的某些反馈机制，这可能导致具有可调振荡频率的稳定周期性吸引子的出现。重整化技术涉及重新调整变量以在递归期间保持统计平稳性并稳定动态。关于循环神经网络 (RNN) 的收敛特性和不动点的这两种观点大多是独立研究的，直到最近，RNN 和 Hopf 动力学之间发现了共同点，从而得出了有关稳定性分析、通用逼近能力、不动点表征的结果，以及高效的定点查找。根据上面的内容，研究循环神经网络 (RNN) 的收敛特性和不动点及其与 Hopf 动力学的关系会带来什么好处？您能否建议任何进一步的资源来更深入地探索这种联系？

Resources for instructors

Instructor answer booklet available with proof of credentials via MIT Press.

Request an exam/desk copy via MIT Press.

Figures in PDF (vector) / SVG (vector) / Powerpoint (images):

Instructions for editing figures / equations can be found here.

Resources for students

Answers to selected questions: PDF

Python notebooks: (Early ones more thoroughly tested than later ones!)

Citation


 @book{prince2023understanding,
 author = "Simon J.D. Prince",
 title = "Understanding Deep Learning",
 publisher = "MIT Press",
 year = 2023,
 url = "http://udlbook.com"
}