1.交叉熵代价函数
2.正则化方法：L1和L2 regularization、数据集扩增、dropout
3. 数据预处理
4.机器学习算法中如何选取超参数：学习速率、正则项系数、minibatch size
5.随机梯度下降（Stochastic gradient descent）和 批量梯度下降（Batch gradient descent ）的公式对比、实现对比
Optimization: Stochastic Gradient Descent
相关文章
- 基于深度学习的医学图像分割（Medical Image Segmentation Using Deep Learning: A Survey）
- Deep learning：四十(龙星计划2013深度学习课程小总结)
- 【你所不知道的AI】AIGC 算法：深度强化学习 (Deep Reinforcement Learning)
- 中文译文：Minerva-一种可扩展的高效的深度学习训练平台（Minerva - A Scalable and Highly Efficient Training Platform for Deep Learning）
- Deep Learning的学习实践 4 -- DBN
- 【Deep Learning基础知识】深度学习中关于batch、epoch和iteration的含义 和 batchsize的大小对训练过程的影响
- Predicting effects of noncoding variants with deep learning–based sequence model | 基于深度学习的序列模型预测非编码区变异的影响
- 【AAAI 2024】解锁深度表格学习（Deep Tabular Learning）的关键：算术特征交互
- 【Deep Learning 】深度模型中的优化问题（四）之如何逃离(跳出)鞍点（Saddle Points）
- Deep learning深度学习的十大开源框架