玉來愈宏_个人页

《深度学习之美》推荐序：通俗也是一种美德

2017年5月份到8月份，《品味大数据》作者张玉宏博士在云栖社区连载了十四篇深度学习入门文章。颇受读者好评。通过对这14篇博客进行大幅度的改写，添加部分基础（如Python和TensorFlow）和完善了实战环节，涵盖Hinton最新提出的神经胶囊网络，图书终于出版了，历时一年多：书名：《深度学习之美》，680多页。

Dropout技术为什么能防止过拟合？

【深度学习之美】卷地风来忽吹散，积得飘零美如画（入门系列之十）

“此情可待成追忆”。可“记忆”到底是什么？如果我告诉你，“记忆”就是一种“卷积”，你可别不信。卷积并不神秘，它就在你我的生活中，它就在深度学习里！这可能是史上最通俗易懂的关于“卷积”介绍文章，不信你就进来瞅瞅呗。

【深度学习之美】山重水复疑无路，最快下降问梯度（入门系列之七）

“天下武功，唯快不破”。欲速览无限风光，必攀险峰；欲速抵山底幽谷，则必滚陡坡。这滚山坡的道理，其实就是梯度递减策略，而梯度递减策略，则是BP算法成功背后的“男（ji）人（chu）”。想知道为啥，来一探究竟呗！

【深度学习之美】损失函数减肥用，神经网络调权重（入门系列之六）

有人开玩笑说，男人有两大烦恼：一是把别人的肚子搞大了，二是把自己的肚子搞大了。对于后者，除了减（jian）肥（shen）,似乎别无他法。可你知道吗？这减肥背后的机理，和前馈神经网络利用损失函数，来反向调节各个神经元之间的连接权重，其实是一样一样的。为啥咧？

【深度学习之美】Hello World感知机，懂你我心才安息 (入门系列之五)

感知机，就如同神经网络（包括深度学习）的“Hello World”。如果不懂它，就如同“为人不识陈近南，便称英雄也枉然”一样尴尬。当感知机可以模拟人类的感知能力，当它能够明辨与或非，但它最大的“疑惑”就是“异或”。难道机器领域也只能是异性才能有结果吗？

【深度学习之美】神经网络不胜语， M-P模型似可寻（入门系列之三）

“那些在个人设备里，谦谦卑卑地为我们哼着歌曲的数字仆人，总有一天会成为我们的霸主！”在“忍无可忍，无需再忍”这句俗语背后，也隐藏中神经网络常用的“激活函数”和“卷积”的概念。知其道,用其妙,THIS IS HOW！

【深度学习之美】一入侯门“深”似海，深度学习深几许（入门系列之一）

当你和女朋友在路边手拉手一起约会的时候，你可曾想，你们之间早已碰撞出了一种神秘的智慧–深度学习。恋爱容易，相处不易，不断磨合，打造你们的默契，最终才能决定你们是否在一起。深度学习也一样，输入各种不同的参数，进行训练拟合，最后输出拟合结果。 恋爱又不易，且学且珍惜！

每一位数据科学家都应掌握的理论是什么？

针对热门议题——《检测真假数据科学家之二十问》，英特尔数据科学家Hould认为，还有一问亦不可少，那就是：“什么是中心极限定理？它为什么重要？”你可能会心中暗喜：中心极限定理，我学过啊？可它为什么如此重要，你了然吗？

RSS 2016研讨会随想：质疑者是正确的吗——深度学习在机器人领域的局限和潜力都在哪里？

摘要： 有人疑问：在特定场景下，机器人的行为难以确保。比如说，自动驾驶机器人，在遇到险情时，是保护车上的主人——司机，还是要保护路上的行人？