今天要去清华听LeCun演讲？你需要这份笔记（另附：视频+PPT）

正文

请到「今天看啥」查看全文

■ 我们今天使用的机器学习算法是感知器的后代

■ 加权总和，误差校正

· 如果输出太低，增加所有输入为正的权重，并减少所有输入为负的权重

· 如果输出太大，那就反过来做

■ 监督学习

· 一个训练集

· 一些例子，如果机器出错（或正确），你得调整权重

· 模式识别的标准模型，从50年代至今都是“the only model in town”

· 监督机器学习=功能优化

· 随机梯度下降，意即针对某一案例，给予机器期望的答案并调整超参数，使得误差减小

· 如何构建复杂的机器？如何推而广之，例如图像识别

■ 深度学习系统

· 有数以亿计的“旋钮”

· 每个识别需要数十亿次操作(输入到输出)，所以使用GPU，而不是CPU

· 搭建深度学习系统，不是单一模块，而是级联的模块

1、特征提取器

2、中级特征

3、高级特征

4、可训练分类器

· 所有层(即模块)均可训练

· 深度学习中深度的意思是有很多层

请到「今天看啥」查看全文