图书标签: 深度学习  机器学习  人工智能  神经网络  AI  计算机  计算机科学  programming   

喜欢 Learning Deep Architectures for AI 的读者还喜欢

• 
  Deep Learning: Methods and Applications (Foundations and Trends(r) in Signal Processing) pdf epub mobi txt 电子书 下载
• 
  Computer Vision pdf epub mobi txt 电子书 下载
• 
  Information Theory, Inference and Learning Algorithms pdf epub mobi txt 电子书 下载
• 
  Machine Learning pdf epub mobi txt 电子书 下载
• 
  Probabilistic Graphical Models pdf epub mobi txt 电子书 下载
• 
  Bayesian Methods for Hackers pdf epub mobi txt 电子书 下载
• 
  Pattern Recognition and Machine Learning pdf epub mobi txt 电子书 下载
• 
  Foundations of Machine Learning pdf epub mobi txt 电子书 下载
• 
  Deep Learning pdf epub mobi txt 电子书 下载
• 
  Learning with Kernels pdf epub mobi txt 电子书 下载

看得懵懵懂懂

相见恨晚。把Hinton的papers翻了个遍，没想到在这本书上才让我对RBM的认识最深刻。

相见恨晚。把Hinton的papers翻了个遍，没想到在这本书上才让我对RBM的认识最深刻。

弃了

非常insightful的小书，把deep learning背后的philosophy以及现有的一些results阐述得很清楚。DL现在应用很广，炒得很火，体系千疮百孔，这是好事。Bengio通过此书指了些明路。另此书不适合DL入门。

具体内容： More precisely ,functions that can be compactly represented by a depth k architecture might require an exponential number of computational elements to be represented by a depth k-1 architecture. 这句意思是k-1层架构可以表示的函数需要的计算元素...

讲的比较清晰，提供了关键的数学计算内容，作为综述来看是很不错的选择。但是不亲自推一遍细节很难透彻理解，需要一些机器学习、随机过程、信息论和最优化理论的知识。理论框架介绍的很清楚，有助于理解目前各类变种。  

讲的比较清晰，提供了关键的数学计算内容，作为综述来看是很不错的选择。但是不亲自推一遍细节很难透彻理解，需要一些机器学习、随机过程、信息论和最优化理论的知识。理论框架介绍的很清楚，有助于理解目前各类变种。  

讲的比较清晰，提供了关键的数学计算内容，作为综述来看是很不错的选择。但是不亲自推一遍细节很难透彻理解，需要一些机器学习、随机过程、信息论和最优化理论的知识。理论框架介绍的很清楚，有助于理解目前各类变种。  

具体内容： More precisely ,functions that can be compactly represented by a depth k architecture might require an exponential number of computational elements to be represented by a depth k-1 architecture. 这句意思是k-1层架构可以表示的函数需要的计算元素...