系列文章
DAY 12
12 從線性模型到神經網路
我們把線性模型們都大統一了。 接下來就要進入到令人興奮的神經網路模型了！ 首先，我們先來介紹著名的感知器...嗯...前面不是介紹過了？ 喔喔！對喔！他長這個...
DAY 13
13 Kernel SVM 與 RBF network
我們前面介紹了線性模型跟基本的神經網路模型。 可能有的人會覺得我怎麼不放神經網路的圖，看數學式子看的很痛苦。 是的，我的確沒打算放圖。一來神經網路的圖在各大網站...
DAY 14
14 淺層神經網路
為什麼大家到現在都這麼迷神經網路模型？ 我想主因不是因為他是模擬生物而來，他有一些更扎實的數學特性。 我們前面講過各種線性模型，然後將他過渡到神經網路。 今天要...
DAY 15
15 為什麼要深？
接著我們就來到了蠻重要的問題，既然一個 hidden layer 的網路架構就可以逼近任何連續函數，那麼為什麼要深度學習？ 對於這個問題，台大李宏毅老師有非常詳...
DAY 16
16 深度學習其實是一種 Representation learning
機器學習的技術已經發展了非常久的時間，我們有非常多的模型可以幫我們做預測，包含像是 regression、classification、clustering、s...
DAY 17
17 Autoencoder
既然前一篇提到學習特徵是一件重要的事，那麼我們就來講講 autoencoder 吧！ Autoencoder 就是一個 unsupervised 方法，試圖學習...
DAY 18
18 Multi-layer preceptron
我們來更具體一點講 multi-layer perceptron (MLP)。 最簡單的版本莫過於 linear MLP，不過不太會有人去用他，其實只是每層 l...
DAY 19
19 Convolution 運算
熱身運動都做好了，接下來我們就一路往影像處理上的重要技術 CNN 前進啦！ Convolutional neural network，顧名思義，他是一種神經網路...
DAY 20
20 Convolutional neural network
Convolution layer 這邊我們回到我們的 convolution layer，如果把以上的一維向量拓展到二維的矩陣資料會長什麼樣子呢？ 我們先來看...