1.交叉熵代价函数
2.正则化方法：L1和L2 regularization、数据集扩增、dropout
3. 数据预处理
4.机器学习算法中如何选取超参数：学习速率、正则项系数、minibatch size
5.随机梯度下降（Stochastic gradient descent）和 批量梯度下降（Batch gradient descent ）的公式对比、实现对比
Optimization: Stochastic Gradient Descent
相关文章
- 07-25论文研读《Highly Accurate Machine Fault Diagnosis Using Deep Transfer Learning》采用深度转移学习的高精度机械故障诊断——2019
- 07-25深度神经网络的多任务学习概览(An Overview of Multi-task Learning in Deep Neural Networks)
- 07-25【deep learning学习笔记】注释yusugomori的LR代码 --- LogisticRegression.h
- 07-25大道至简，深度学习deep learning的形成原理和数学背景
- 07-25大道至简，深度学习deep learning的形成原理和数学背景
- 07-25转：浅谈深度学习(Deep Learning)的基本思想和方法
- 07-25Matlab——基于Deep Learning Toolboxs调用预训练模型实现简单的深度学习CV任务
- 07-25点云网络的论文理解（一）-点云网络的提出 PointNet : Deep Learning on Point Sets for 3D Classification and Segmentation
- 07-25如何在交通领域构建基于图的深度学习架构(How to Build a Graph-Based Deep Learning Architecture in Traffic Domain:A Survey)
- 07-25Playing Atari with Deep Reinforcement Learning:打响DRL的第一枪