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
7857浏览量
93676 -
人工智能
+关注
关注
1821文章
50585浏览量
268102 -
深度学习
+关注
关注
73文章
5614浏览量
124842
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
热点推荐
2017全国深度学习技术应用大会
训练数据仍然需要大量的人工，为进一步减少这一部分的人工，我们对弱标注数据下的深度学习进行了一些探索。随着所要求监督信息的减弱，可用训练数据会大量增加。同时，深度模型已经具有了很好的推广
发表于 03-22 17:16
深度学习是什么
创客们的最酷“玩具” 智能无人机、自主机器人、智能摄像机、自动驾驶……今年最令硬件创客们着迷的词汇，想必就是这些一线“网红”了。而这些网红的背后，几乎都和计算机视觉与深度学习密切相关。 深度
发表于 07-19 06:17
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
•2.9w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
评论