-
6.4 正则化
6.4 正则化 6.4.1 过拟合 6.4.2 权值衰减 6.4.3 Dropout 6.4 正则化 机器学习的问题中，过拟合 是一个很常见的问题。过拟合指的是只能拟合训练数据，但不能很好地拟合不包含在训练数据中的其他数据的状态。机器学习的目标是提高泛化能力，即便是没有包含在训练数据里的未观测数据，也希望模型可以进行正确的识别。我们可以制作复杂的... -
7.7 具有代表性的 CNN
7.7 具有代表性的 CNN 7.7.1 LeNet 7.7.2 AlexNet 7.7 具有代表性的 CNN 关于 CNN，迄今为止已经提出了各种网络结构。这里，我们介绍其中特别重要的两个网络，一个是在 1998 年首次被提出的 CNN 元祖 LeNet[20]，另一个是在深度学习受到关注的 2012 年被提出的 AlexNet[21]。 7... -
11.4 环境分析应用方法
11.4 环境分析应用方法 你所定义的环境边界决定了分析的广度、深度和预测的范围。广度指的是收集的环境数据的覆盖面。深度决定了搜索和分析的STEEP数据的详细程度。预测范围通常跨越短、中等和较长的时间段，这由相关组织特定环境决定。 为了确立环境的边界，需要检查组织的战略规划，考虑其地理跨度（它参加竞争和不参加竞争的地理位置）、产品或者服务范围（细分市场... -
让我们开始吧
让我们开始吧 让我们开始吧 通过前面的介绍，希望读者了解本书大概要讲的内容，产生继续阅读的兴趣。 最近出现了很多深度学习相关的库，任何人都可以方便地使用。实际上，使用这些库的话，可以轻松地运行深度学习的程序。那么，为什么我们还要特意花时间从零开始实现深度学习呢？一个理由就是，在制作东西的过程中可以学到很多。 在制作东西的过程中，会进行各种各样的实验... -
致谢
致谢 致谢 首先，笔者要感谢推动了深度学习相关技术（机器学习、计算机科学等）发展的研究人员和工程师。本书的完成离不开他们的研究工作。其次，笔者还要感谢在图书或网站上公开有用信息的各位同仁。其中，斯坦福大学的 CS231n [5] 公开课慷慨提供了很多有用的技术和信息，笔者从中学到了很多东西。 在本书执笔过程中，曾受到下列人士的帮助：teamLab 公... -
7.2 卷积层
7.2 卷积层 7.2.1 全连接层存在的问题 7.2.2 卷积运算 7.2.3 填充 7.2.4 步幅 7.2.5 3 维数据的卷积运算 7.2.6 结合方块思考 7.2.7 批处理 7.2 卷积层 CNN 中出现了一些特有的术语，比如填充、步幅等。此外，各层中传递的数据是有形状的数据（比如，3 维数据），这与之前的全连接网络不同，因此... -
空标题文档
18.5 期货期权的下限 看跌-看涨期权平价关系式式（18-1）给出了欧式看涨期权和看跌期权的下限。因为看跌期权的价格p不能为负值，由式（18-1）得出 即 类似地，因为看涨期权的价格c不能为负值，由式（18-1）得出 即 以上得出的下限与第11章中推导出的欧式股票期权的下限类似。当期权为深度实值状态时，欧式看涨和看跌期权会与它们... -
空标题文档
练习题 20.1 在下列情形下常常观察到的波动率微笑是什么形式？ （a）股票价格分布两端的尾部均没有对数正态分布肥大。 （b）股票价格分布右端的尾部比对数正态分布要肥大，左端尾部没有对数正态分布肥大。 20.2 股票的波动率微笑形式是什么？ 20.3 标的资产价格有跳跃时会造成什么样形式的波动率微笑？这种形式对于2年和3个月期限的期权中哪个更显著...