在同学们的掌声中,中山大学AI技术俱乐部本学期第四次课程培训圆满结束!
课程一共分为会员积分公示及小调查、课程讲解和课程预告三个部分。本次课程是由杨凯师兄带来的《神经网络》。非常感谢杨凯师兄的精心准备和干货满满的讲座。
培训一开始主持人号召大家填写了一份问卷,旨在调查课程的时间安排,俱乐部会根据大多数会员的空闲时间来调整课程,在此感谢会员们的配合和支持!
随后便是课程主要内容啦。课程内容分成五个部分:神经元模型、感知机与多层网络、误差逆传播算法、全局最小与局部最小和深度学习。
师兄从神经网络的定义、神经元模型,由浅至深的讲解了深度学习。通过讲解感知机的数学表达式,分析了线性可分问题与非线性可分问题。为了解决非线性问题而开始采用多层网络。
接下来介绍误差逆传播算法(BackPropagation)。误差逆传播算法是迄今最成功的的神经网络算法。训练神经网络时,大多是在使用误差逆传播算法进行训练。师兄详细的说明了其数学公式的含义,帮助大家理解这些概念。
过后到了神经网络的主轴—深度学习(Deep learning)。深度学习就是深层的神经网络,增加隐层数目,神经元连接权重、阈值函数增多,模型复杂度增加,能够解决更复杂的问题。深度神经网络所面临的问题:非凸优化、误差衰减 、过拟合和参数爆炸。
师兄都一一说明这些问题的原因与其解决办法。
课程结束后,同学问了许多问题,师兄还是很耐心的一一解答呢。再次感谢杨凯师兄的精彩讲解和耐心解答。
不明白的同学可以打开下面的链接哦!
误差逆传播算法 Neural Network 神经网络http://ufldl.stanford.edu/wiki/index.php/%E5%8F%8D%E5%90%91%E4%BC%A0%E5%AF%BC%E7%AE%97%E6%B3%95