PRML Page-by-page部分要點(diǎn)匯總—Chapter5
B站專欄引用視頻無(wú)法指定播放時(shí)間，請(qǐng)大家手動(dòng)拖拽至相應(yīng)時(shí)間
第五章 Neural Networks
?第五章整體內(nèi)容結(jié)構(gòu)：PRML Page-by-page chap5-5_prev?（00分00秒，--）
神經(jīng)網(wǎng)絡(luò)與感知機(jī)的關(guān)系及l(fā)ogistic、Relu、Gelu三種函數(shù)定義：PRML Page-by-page chap5-5.0?(00分58秒，Notes 5-002)
跳層神經(jīng)網(wǎng)絡(luò)及如何用Sigmoid函數(shù)模擬跳層效果：PRML Page-by-page chap5-5.1?(07分45秒，Notes 5-009)
萬(wàn)能近似器：PRML Page-by-page chap5-5.1（11分44秒，Notes 5-011）
神經(jīng)網(wǎng)絡(luò)權(quán)重參數(shù)對(duì)稱性：PRML Page-by-page chap5-5.1（14分50秒，Notes 5-012）
參數(shù)優(yōu)化的局部最優(yōu)解討論：PRML Page-by-page chap5-5.2（08分23秒，Notes 5-020）
誤差函數(shù)的二次近似：PRML Page-by-page chap5-5.2（12分15秒，Notes 5-021）
利用梯度信息求網(wǎng)絡(luò)參數(shù)二階導(dǎo)的復(fù)雜度：PRML Page-by-page chap5-5.2（17分24秒，Notes 5-022）
共軛梯度法和擬牛頓法：PRML Page-by-page chap5-5.2（19分27秒，Notes 5-023）
BP算法：PRML Page-by-page chap5-5.3（02分23秒，Notes 5-027）
BP算法簡(jiǎn)單實(shí)例：PRML Page-by-page chap5-5.3（10分00秒，Notes 5-028）
什么是差分法及如何用差分法求一階導(dǎo)、二階導(dǎo)：PRML Page-by-page chap5-5.3（13分40秒，Notes 5-029）
求網(wǎng)絡(luò)的雅各比矩陣：PRML Page-by-page chap5-5.3（27分34秒，Notes 5-033）
海森陣用途總結(jié)：PRML Page-by-page chap5-5.4（00分00秒，Notes 5-035）
海森陣的對(duì)角化近似：PRML Page-by-page chap5-5.4（01分25秒，Notes 5-036）
海森陣的向量外積近似：PRML Page-by-page chap5-5.4（07分52秒，Notes 5-038、5-039）
利用差分法求海森陣及其復(fù)雜度：PRML Page-by-page chap5-5.4（18分44秒，Notes 5-040）
海森陣的精確求解：PRML Page-by-page chap5-5.4（19分04秒，Notes 5-041）
海森陣乘法的快速求解：PRML Page-by-page chap5-5.4（30分52秒，Notes 5-042）
神經(jīng)網(wǎng)絡(luò)參數(shù)的一致性：PRML Page-by-page chap5-5.5（01分23秒，Notes 5-044）
一致性問(wèn)題的解決辦法：PRML Page-by-page chap5-5.5?(03分40秒，Notes 5-045)
提前停止訓(xùn)練的解釋：PRML Page-by-page chap5-5.5（09分49秒，Notes 5-047）
四種網(wǎng)絡(luò)不變性的解決辦法：PRML Page-by-page chap5-5.5?（11分14秒，Notes 5-048）
切線傳播法：PRML Page-by-page chap5-5.5?（13分31秒，Notes 5-049）
在網(wǎng)絡(luò)訓(xùn)練時(shí)考慮數(shù)據(jù)的變化及吉洪諾夫正則化項(xiàng)：PRML Page-by-page chap5-5.5（18分18秒，Notes 5-051、5-052）
自動(dòng)實(shí)現(xiàn)網(wǎng)絡(luò)參數(shù)的共享（參數(shù)的軟共享）：PRML Page-by-page chap5-5.5?（34分13秒，Notes 5-055）
密度混合網(wǎng)絡(luò)的參數(shù)推導(dǎo)（以生成GMM為例）：PRML Page-by-page chap5-5.6?（09分51秒，Notes 5-060）
網(wǎng)絡(luò)參數(shù)后驗(yàn)分布的拉普拉斯近似：PRML Page-by-page chap5-5.7（07分39秒，Notes 5-069）
基于近似后驗(yàn)分布的預(yù)測(cè)分布求解：PRML Page-by-page chap5-5.7?（10分46秒，Notes 5-070）
求超參數(shù)的估計(jì)值：PRML Page-by-page chap5-5.7?（14分57秒，Notes 5-071、5-072）
分類問(wèn)題的貝葉斯神經(jīng)網(wǎng)絡(luò)：PRML Page-by-page chap5-5.7?（25分14秒，Notes 5-073、5-074、5-075、5-076、5-077）
本章內(nèi)容較多！
