“第十三章 学习方法”版本间的差异

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]