如何理解深度学习？深度学习的理论探索分析
普林斯顿大学计算机科学系教授Sanjeev Arora做了深度学习理论理解探索的报告，包括三个部分：
Why overparametrization and or overprovisioning?
Optimization in deep learning
Theory for Generative Models and Generative Adversarial Nets (GANs)
Sanjeev Arora：印度裔美国理论计算机科学家，他以研究概率可检验证明，尤其是PCP定理而闻名。研究兴趣包括计算复杂度理论、计算随机性、概率可检验证明等。他于2018年2月被推选为美国国家科学院院士，目前是普林斯顿大学计算机科学系教授。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
计算机
+关注
关注
19文章
7493浏览量
87930 -
人工智能
+关注
关注
1791文章
47260浏览量
238432 -
深度学习
+关注
关注
73文章
5503浏览量
121153
原文标题：【干货51页PPT】深度学习理论理解探索
文章出处：【微信号：AItists，微信公众号：人工智能学家】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
微表情识别-深度学习探索情感
来源：易百纳技术社区 随着人工智能技术的不断进步，深度学习成为计算机视觉领域的重要技术。微表情识别作为人类情感分析的一种重要手段，受到了越来越多的关注。本文将介绍基于深度
什么是深度学习？使用FPGA进行深度学习的好处？
什么是深度学习为了解释深度学习，有必要了解神经网络。神经网络是一种模拟人脑的神经元和神经网络的计算模型。作为具体示例，让我们考虑一个输入图像并识别图像中对象类别的示例。这个例子对应机器
发表于 02-17 16:56
将深度学习和强化学习相结合的深度强化学习DRL
深度强化学习DRL自提出以来， 已在理论和应用方面均取得了显著的成果。尤其是谷歌DeepMind团队基于深度强化学习DRL研发的AlphaG
发表于 06-29 18:36
•2.8w次阅读
机器学习和深度学习有什么区别？
觉信息的理解可以被再现甚至超越。借助深度学习，作为机器学习的一部分，可以在应用实例的基础上学习和训练复杂的关系。 机器
深度学习的主要概念介绍
数学和理论细节。虽然数学术语有时是必要的，并且可以进一步理解，但这些文章尽可能使用类比和图像来提供易于理解的信息，包括对深度学习领域的直观概
读懂深度学习，走进“深度学习+”阶段
输出结果，让AI学会通过特征对数据进行判断。深度学习之所以更加有效，是因为有海量的数据输入、更多层的神经网络和带有权重的特征学习机制。这也意味着应用深度
工商网监
评论