从凸优化理解高维特征下的深度学习

作者/分享人:Q.IAN
向 Ta 提问
视觉与图像处理研究生,参与中兴新能源汽车无线充电对位视觉项目,申请6项国家专利,现2项已授权、2项实审、2项待公开,获1项软件著作权,CSDN博客博主,深度学习学习者、爱好者、实践者、分享者

本 Chat 意在从高维空间特征角度引入深度学习,进入到深度学习的理论内部,用通俗易懂的方式将一个貌似很高深晦涩的理论浅显化。你可以是一个文科外行,亦或是一个管理工作的高管,或是想踏入 AI 领域,又或是想了解机器学习\深度学习理论同行,我们换个角度一探究竟吧。(以此前自己的一个汇报 PPT 为材料,力求多的图像和解释性文字详述)

主要内容:

  1. 什么是凸优化?
  2. 什么是非线性?
  3. 什么是高维空间?
  4. 高维特征空间和深度学习有什么关系?
  5. 卷积层数越多,特征提取能力真的越强吗?为啥?

文章主要以此为线索,力求浅显易懂,不懂不要钱(哈哈),我们开始吧···

已有90人预订
预订达标
文章出炉
     
02月05日
02月28日
本场 Chat 文章已出炉,购买后即可阅读文章并获得一张Q.IAN的读者圈Pass
请务必添加GitChat服务号以查看活动进度及获取活动通知。
查看文章评论/提问
张云路
维度数量和神经网络层数不是一个概念吧。。
庞雨秾
动图形象生动,空间的变换创造线性可分的可能性。
你可能还喜欢
关于为何以及如何阅读源码的一点心得
追梦
从零开始,轻松打造你的聊天机器人
微软公开课
每周一个机器学习小项目001:全链接层实现与分类问题
如是
通过前端团队管理谈谈技术管理的技法与思想
常新居士
朋友圈爆款背后的计算机视觉技术与应用
AI科技大本营
为什么说 Java 程序员到了必须掌握 Spring Boot 的时候?
纯洁的微笑
微信扫描登录