representations

最近深度学习的研究进展非常迅速，以下是一些最新的研究成果： 无监督学习：利用自编码器等无监督学习方法，可以通过大量无标注数据来提取数据的特征信息，从而提高监督学习任务的性能。 深度强化学习：结合强化学习的思想，引入深度学习来解决复杂任务，比如围棋等游戏。 自适应学习率：针对深度学习优化算法中常见的学习率问题，提出了自适应学习率的方法，可以根据梯度的变化动态调整学习率

1、一切从维基百科开始，大致了解一个全貌： 2、拿起纸和笔，再加上ipython or 计算器，通过一个例子直观感受反向传播算法： 4、有了上述直观的反向传播算法体验，可以从1986年这篇经典的论文入手了：Learning representations by back-propagating errors 6、或者可以通过油管看一下这个神经网络教程的前几节关于反向传播算法的视频: Neural Network Tutorial 属于机器学习、深度学习分类，被贴了 Backpropagation、BP神经网络、python、反向传播算法、反向传播算法Python代码、反向传播算法代码、反向传播算法入门、反向传播算法入门资源、反向传播算法论文、反向传播算法资源、深度学习、神经网络、神经网络反向传播、神经网络教程，深度学习书籍、自动微分、自动微分反向模式 标签。作者是52nlp。