机器之心深度研学社每周干货:2016年第48周

Synced 深度研学社 每周干货,每周五为大家推荐机器学习的入门教程、技术分析、以及资源分享。不多不少,每周进步一点点~

【入门教程】

Deep Learning in a Nutshell: Reinforcement Learning

by Tim Dettmers

简介:

终于迎来了 Deep Learning in a Nutshell 系列的最后一篇教程!不知道之前三篇大家学习的怎么样了呢?在这篇文章中,作者将重点放在了强化学习上。首先作者通过类比人类学习的过程,介绍强化学习的基本概念和目标;随后,作者通过详细的图表,解释相关的深度学习函数与训练过程,还附有一个来自 Google 的 Q-training 演示视频。文末还有 AlphaGo 所使用的训练架构的解说,有助于进一步理解前文的内容。在结尾部分,作者还提供了一个 OpenAI 使用教程的链接,不要错过哦。

链接:https://devblogs.nvidia.com/parallelforall/deep-learning-nutshell-reinforcement-learning/

相关资料:

【技术分析】

Attention and Augmented Recurrent Neural Networks

by Chris Olah & Shan Carter

简介:本文是 Google Brain 两位研究者 Chris Olah 和 Shan Carter 发表在个人网站 distill.pub 上为数不多的文章之一。文章重点介绍了注意力和增强循环神经网络,他们认为未来几年这些「增强 RNN(augmented RNN)」将在深度学习能力扩展中发挥重要的作用。

链接:

【资源分享】

Github 项目:10 种深度学习算法的 TensorFlow 实现

简介:此项目包含了深度学习常用的十种算法的 TensorFlow 实现,包括:

  • 卷积网络(Convolutional Network)

  • 循环神经网络(LSTM)(Recurrent Neural Network (LSTM))

  • 受限玻尔兹曼机(Restricted Boltzmann Machine)

  • 深度信念网络(Deep Belief Network)

  • 作为RBM堆叠的深度自编码器(Deep Autoencoder as stack of RBMs)

  • 去噪自编码器(Denoising Autoencoder)

  • 堆叠的去噪自编码器(Stacked Denoising Autoencoder)

  • 作为去噪自编码器堆叠的深度自编码器(Deep Autoencoder as stack of Denoising Autoencoders)

  • 多层感知器(MultiLayer Perceptron)

  • Logistic 回归

安装过程非常简单,强烈推荐。

入门深度学习论文入门深度研学社
暂无评论
暂无评论~