【简介】深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
![深度学习相关领域提升自身30部高清电子书合集打包[全英文/PDF/89.72MB]百度云网盘下载 电子书 第1张](https://zhulincat.com/zb_users/upload/2021/10/202110011633069537599091.jpg "深度学习相关领域提升自身30部高清电子书合集打包[全英文/PDF/89.72MB]百度云网盘下载 电子书 第1张")
【资源名称】：《深度学习相关领域》
【资源大小】：89.72MB
【资源格式】：PDF/TXT
【收藏网站】：竹林猫https://zhulincat.com/
书籍列表：
勘探用噪声网络.pdf
深度变分的信息瓶颈.pdf
SGD作为近似贝叶斯推断.pdf
有分位数回归的RL.pdf
统一的熵规则MDP的观点.pdf
Wasserstein自动编码器.pdf
分布RL的分布视角.pdf
策略梯度与Soft Q-learning的等价性.pdf
论通过信息论揭开深度网络黑箱.pdf
GAN逐渐增长.pdf
密集的连接卷积神经.pdf
通过RMT看神经网络损失曲面几何.pdf
EM路由矩阵胶囊.pdf
论深度学习的信息瓶颈理论.pdf
层次式模型.pdf
胶囊间动态路由.pdf
对潜变量建模的拉格朗日观点.pdf
神经离散表示学习.pdf
并行Wavenet.pdf
深度学习非线性RMT.pdf
影响SGD最小值的三个因素.pdf
序列学习Tensorized LSTMs.pdf
SGD执行VI，收敛到限制周期.pdf
深度放松：用于优化深度网络的偏微分方程.pdf
在没有人类知识的情况下掌控Go游戏.pdf
想象力增强剂.pdf
缩放散射变换.pdf
SMASH：基于超网络的模型结构搜索.pdf
VeGAN手册.pdf
缩小RL策略和价值之间的差距.pdf
