• Machine Learning Book
  • Introduction
    • 进阶之路
    • 炼丹说
  • 第一章 基本概念
    • 1.1 训练数据和测试数据
    • 1.2 偏差与方差
    • 1.3 协方差和相关系数
    • 1.4 L0、L1和L2
    • 1.5 模型评估
      • 1.5.1 线性回归模型评估
      • 1.5.2 逻辑回归模型评估
      • 1.5.3 CTR预估
    • 1.6 熵与散度
      • 1.6.1 熵
      • 1.6.2 交叉熵
      • 1.6.3 散度
    • 1.7 强化学习
    • 1.8 迁移学习
    • 1.9 线性代数
    • 条件随机场(CRF)
    • 奥卡姆剃刀原理
    • 贝叶斯
    • 干货|每个数据科学专家都应该知道的六个概率分布
    • 资源 | 从ReLU到Sinc,26种神经网络激活函数可视化
    • 机器学习中的损失函数
  • 第二章 神经网络
    • 2.1 神经网络发展史
    • 2.2 变形卷积核、可分离卷积?卷积神经网络中十大拍案叫绝的操作
    • 2.3 最全的DNN概述论文:详解前馈、卷积和循环神经网络技术
    • LSTM、GRU、NTM……为何循环神经网络在众多机器学习方法中脱颖而出?(附指南)
    • 数据嗨客 | 深度学习第3期:自编码器
    • 推荐|14种模型设计帮你改进你的卷积神经网络(CNN)!
  • 第三章 算法
    • 3.1 协同过滤算法
    • 蒙特卡洛
    • Word2vec
    • 梯度下降
    • Fast-RCNN
    • YOLO
    • Xgboost
      • 核心风控模型技术解析:XGBoost模型简介
    • 推荐系统
      • 美团
      • Youtube
    • BP算法
    • Batch Normalization
    • LibSVM使用
    • CVPR精彩论文解读:对当下主流CNN物体检测器的对比评测
    • SLAM
    • DBSCAN
    • 深度 | 从Boosting到Stacking,概览集成学习的方法与性能
    • 干货|基于深度学习的目标检测学习总结
    • 教程 | 利用达尔文的理论学习遗传算法
    • GANs合辑 | 国庆特辑
    • 机器学习经典算法优缺点总结
  • 框架平台与架构设计
    • 主流计算框架
      • Caffe
      • MXNet
        • 资源 | 一张速查表实现Apache MXNet深度学习框架五大特征的开发利用
        • 【深度学习框架的未来】李沐:AWS开源端到端AI框架编译器NNVM
      • Theano
      • Tensorflow
        • Keras
        • TensorLayer
          • 详解帝国理工集成工具TensorLayer:控制深度学习开发复杂度
        • Slim
        • TFLearn
        • 最新|官方发布:TensorFlow 数据集和估算器介绍
      • CNTK
      • 百度PaddlePaddle
      • 横向对比三大分布式机器学习平台:Spark、PMLS、TensorFlow
      • PyTorch
    • 架构设计
      • H2O平台
        • H2O 简介
        • 家族成员
      • Intel-BigDL
      • IBM
        • BlueMind
        • PowerAI
      • 第四范式
      • 京东登月机器学习平台
      • 腾讯Angel
      • EasyML
      • 小米
      • LinkedIn
        • LinkedIn机器学习实践
      • 【对标TensorFlow】阿里公开内部超大规模分布式机器学习平台
      • Uber
      • ICBC
      • Lamda架构
      • BigML
    • 为什么AI工程师要懂一点架构
    • 阿里-拍立淘
    • 数据科学家必须知道的 10 个深度学习架构
  • 特征工程
  • 降维
    • PCA
    • 奇异值分解
    • LDA
  • 深度学习
    • 深度学习的局限性
    • 深度学习的训练过程
    • CNN
  • 有趣的研究方向
  • 测试题库
    • Test1
    • Data Scientist Interview
    • 21个数据科学家面试必须知道的问题和答案
    • 每日一练 | Data Scientist & Business Analyst 面试题
    • Test2
    • 【面试107问】谷歌等巨头机器学习面试题:从逻辑回归到智力测验
    • 45个问题测出深度学习基本功
  • 资料及教程
    • Deeplearning book 解读
    • 成为Data Scientist
  • 调参
    • 深度学习调参入门
    • 【解密】谷歌内部机器学习系统Vizier曝光:用迁移学习自动优化超参数
    • 调试神经网络让人抓狂?这有16条锦囊妙计送给你
    • 训练的神经网络不工作?一文带你跨过这37个坑
    • 调整学习速率以优化神经网络训练
    • 如何有效地避开鞍点
  • 知识图谱
    • AI知识网络|一张图看懂人工智能知识体系
    • 机器学习-整体思维导图
    • 【值得收藏的深度学习思维导图】全面梳理基本概念与11大模型关系
    • 如何设计一个深度学习项目
  • 好文共赏
    • 我有数据,理解这些数据应该从哪里开始
    • 看穿机器学习的黑箱(II)
    • 为什么ResNet和DenseNet可以这么深?一文详解残差块为何有助于解决梯度弥散问题
    • 教程 | 如何判断LSTM模型中的过拟合与欠拟合
    • 2017 AI成熟度曲线图
    • 解析深度学习的局限性与未来,谷歌Keras之父「连发两文」发人深省
    • 重磅 | 周志华最新论文:首个基于决策树集成的自动编码器,表现优于DNN
    • 吴恩达 | AI是新的电力 | 演讲稿全文整理(附视频中字)
    • 浅析 Hinton 最近提出的 Capsule 计划
    • 干货 | 康奈尔大学博士后黄高:深度卷积网络的结构设计
    • 行业应用 | 智能反欺诈算法及典型应用
    • 大数据新算法在个人信用风险评估模型中使用效果的评估
    • 【21天完虐Master】AlphaGo Zero横空出世,DeepMind Nature论文解密不使用人类知识掌握围棋
    • 斯坦福博士韩松毕业论文:面向深度学习的高效方法与硬件
  • 异常检测
Powered by GitBook

浅析 Hinton 最近提出的 Capsule 计划

https://zhuanlan.zhihu.com/p/29435406?utm\_medium=social&utm\_source=wechat\_timeline&from=timeline&isappinstalled=1

results matching ""

    No results matching ""