-
8.5 深度学习的未来
8.5 深度学习的未来 8.5.1 图像风格变换 8.5.2 图像的生成 8.5.3 自动驾驶 8.5.4 Deep Q-Network（强化学习） 8.5 深度学习的未来 深度学习已经不再局限于以往的领域，开始逐渐应用于各个领域。本节将介绍几个揭示了深度学习的可能性和未来的研究。 8.5.1 图像风格变换 有一项研究是使用深度学习来“绘制... -
8.1 加深网络
8.1 加深网络 8.1.1 向更深的网络出发 8.1.2 进一步提高识别精度 8.1.3 加深层的动机 8.1 加深网络 关于神经网络，我们已经学了很多东西，比如构成神经网络的各种层、学习时的有效技巧、对图像特别有效的 CNN、参数的最优化方法等，这些都是深度学习中的重要技术。本节我们将这些已经学过的技术汇总起来，创建一个深度网络，挑战 MNI... -
6.5 超参数的验证
6.5 超参数的验证 6.5.1 验证数据 6.5.2 超参数的最优化 6.5.3 超参数最优化的实现 6.5 超参数的验证 神经网络中，除了权重和偏置等参数，超参数 （hyper-parameter）也经常出现。这里所说的超参数是指，比如各层的神经元数量、batch 大小、参数更新时的学习率或权值衰减等。如果这些超参数没有设置合适的值，模型的性... -
空标题文档
这样花钱，越花越多 有传闻说，股神巴菲特喜欢用投资的理念看待花出去的每一分钱，评估这钱是不是用在了回报最高的地方，所以他买东西时看到的不是标签上的价格本身，而是很多年以后的复利增值。也就是说，一件100美元的衬衣在股神眼里是近1800美元（每年10%的收益拿30年）。这样一算，这件衬衣明显就太贵了，也就不买了。这样的消费观念导致股神每天只吃两三美元的麦当... -
大型演讲中的注意事项
大型演讲中的注意事项 互动 停顿 大型演讲中的注意事项 不少演讲者都很惧怕大型演讲，认为面对成百上千的观众是一件可怕的事情。但有的演讲者却更适应大型演讲，越是在人多的场合，越能激发出自己的表现欲。实际上，大型演讲并不可怕，“人数”并不应该成为表现的障碍，演讲者应该专注于自己和观众的交流，这样才能摒除杂念，不再因为人多而怯场或者过于兴奋。 从互动和... -
空标题文档
21.7 方差缩减程序 假如像式（21-13）~式（21-18）所述的那样对衍生产品标的变量的随机过程进行模拟，在一般情况下，我们需要做很多次抽样才会使估计值达到合理的精确度。这从计算时间上讲是非常昂贵的。在这一节里我们将介绍几种方差缩减程序（variance reduction procedure），利用这些程序可以大大减少计算时间。 20.7.1 ...