“第十三章 学习方法”版本间的差异

来自cslt Wiki
跳转至: 导航搜索
(以“==教学资料== *教学参考 *[http://aigraph.cslt.org/courses/12/course-12.pptx 课件] *小清爱提问:什么是爬山法?[https://mp.we...”为内容创建页面)
 
第1行: 第1行:
 
==教学资料==
 
==教学资料==
*[[教学参考-12|教学参考]]
+
*[[教学参考-32|教学参考]]
*[http://aigraph.cslt.org/courses/12/course-12.pptx 课件]
+
*[http://aigraph.cslt.org/courses/13/course-13.pptx 课件]
 
*小清爱提问:什么是爬山法?[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247486886&idx=1&sn=a9959dfb953fd7383589236676d6bb08&chksm=c3080764f47f8e72809d3502ecdd0da6940d680fc9ecb0423f7aeec504bcb83026cdb544a11a&scene=178#rd]
 
*小清爱提问:什么是爬山法?[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247486886&idx=1&sn=a9959dfb953fd7383589236676d6bb08&chksm=c3080764f47f8e72809d3502ecdd0da6940d680fc9ecb0423f7aeec504bcb83026cdb544a11a&scene=178#rd]
 
*小清爱提问:什么是模拟退火算法?[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247486965&idx=1&sn=30da3c422773f7cb530eb6047d91b30e&chksm=c3080737f47f8e21802ca8650d8a39d434102f09ef9693b8041f4c24f8888f7d5c1c5a6fc05c&scene=178#rd]
 
*小清爱提问:什么是模拟退火算法?[https://mp.weixin.qq.com/s?__biz=Mzk0NjIzMzI2MQ==&mid=2247486965&idx=1&sn=30da3c422773f7cb530eb6047d91b30e&chksm=c3080737f47f8e21802ca8650d8a39d434102f09ef9693b8041f4c24f8888f7d5c1c5a6fc05c&scene=178#rd]

2022年8月3日 (三) 07:54的版本

教学资料

  • 教学参考
  • 课件
  • 小清爱提问:什么是爬山法?[1]
  • 小清爱提问:什么是模拟退火算法?[2]
  • 小清爱提问:什么是奥卡姆剃刀准则? [3]
  • 小清爱提问:为什么说数据是人工智能的粮食?[4]


扩展阅读

  • 维基百科:没有免费的午餐定理 [5]
  • 维基百科:梯度下降法[6][7]
  • 百度百科:梯度下降法[8][9]
  • 知乎:梯度下降法[10]
  • 知乎:小批量梯度下降法[11]
  • 知乎:动量梯度下降法[12][]
  • 维基百科:模拟退火算法 [13][14]
  • 百度百科:模拟退火算法[15][16]
  • 知乎:模拟退火详解 [17]
  • 维基百科:牛顿法 [18][19]
  • 维基百科:奥卡姆剃刀[20][21]
  • 百度百科:奥卡姆剃刀[22][23]
  • 维基百科:过拟合[24][25]
  • 维基百科:GPT-3 [26][27]
  • 机器之心:当谈论机器学习中的公平公正时,我们该谈论些什么?[28]
  • 机器之心:数据增强 [29]
  • 知乎:数据增强 [30][31]
  • 什么是模型预训练[32]
  • 迁移学习 [33]


演示链接

  • 优化方法在线演示 [34]
  • 基于神经网络的二分类任务演示 [35]

开发者资源

高级读者

  • 王东,机器学习导论,第一章“绪论”,第十一章“优化方法”[36]
  • Wolpert, David (1996), "The Lack of A Priori Distinctions between Learning Algorithms", Neural Computation, pp. 1341–1390 [37]
  • Sebastian Ruder, An overview of gradient descend algorithms,2017 [38]
  • Kirkpatrick, S.; Gelatt Jr, C. D.; Vecchi, M. P. (1983). "Optimization by Simulated Annealing". Science. 220 (4598): 671–680. [39]
  • Brown et al., Language Models are Few-Shot Learners [40]