机器学习 - 北京师范大学精品课程网.ppt

机器学习;概述;简介;生物学动机;生物学动机（2）;神经网络表示;神经网络表示（2）;适合神经网络学习的问题;反向传播算法适合问题的特征;本章余后部分提纲;感知器;感知器（2）;感知器（3）;感知器的表征能力;感知器的表征能力（2）;感知器的表征能力（3）;感知器训练法则;感知器法则;感知器法则（2）;梯度下降和delta法则;梯度下降和delta法则（2）;可视化假设空间;梯度下降法则的推导;梯度下降法则的推导（2）;梯度下降法则的推导（3）;梯度下降法则的推导（4）;梯度下降的随机近似;梯度下降的随机近似（2）;梯度下降的随机近似（2）;梯度下降的随机近似（3）;感知器学习小结;感知器学习小结（2）;多层网络和反向传播算法;可微阈值单元;可微阈值单元（2）;可微阈值单元（3）;反向传播算法;反向传播算法（2）;反向传播算法（3）;反向传播算法（4）;表4-2的算法解释;反向传播算法的梯度下降法则;反向传播算法的误差项;表4-2的算法解释（2）;增加冲量项;学习任意的无环网络;反向传播法则的推导;符号说明;随机梯度下降法则的推导;随机梯度下降法则的推导（２）;收敛性和局部极小值;收敛性和局部极小值（２）;收敛性和局部极小值（3）;前馈网络的表征能力;前馈网络的表征能力（2）;假设空间搜索和归纳偏置;隐藏层表示;泛化、过度拟合和停止判据;过度拟合;过度拟合解决方法;过度拟合解决方法（2）;举例：人脸识别;人脸识别——设计要素;人脸识别——设计要素（2）;人脸识别——设计要素（3）;人脸识别——设计要素（4）;人脸识别——设计要素（5）;学习到的隐藏层表示;其他可选的误差函数;其他可选的误差函数（2）;其他可选的误差函数（3）;其他可选的误差最小化过程;递归网络;递归网络;动态修改网络结构;动态修改网络结构;小结;小结（2）;补充读物;补充读物（2）