本资源为深度学习资料-30部深度学习相关电子书合集[全英文/PDF]百度云网盘下载，本次资源格式为PDF，做压缩包处理，避免资源丢失，不要直接在网盘解压，请先保存下载再解压便可播放。
资源名称：深度学习相关电子书
合集数目：30部
资源类型：自我提升
资源格式：PDF
资源大小：83.23MB
存储方式：百度云网盘
收藏网站：【好样猫资源】https://www.haoyangmao18.com/
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。
深度学习是机器学习的一种，而机器学习是实现人工智能的必经路径。深度学习的概念源于人工神经网络的研究，含多个隐藏层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本等。
2006年，Hinton提出了在非监督数据上建立多层神经网络的一个有效方法，具体分为两步：首先逐层构建单层神经元，这样每次都是训练一个单层网络；当所有层训练完后，使用wake-sleep算法进行调优。
将除最顶层的其他层间的权重变为双向的，这样最顶层仍然是一个单层神经网络，而其他层则变为了图模型。向上的权重用于“认知”，向下的权重用于“生成”。然后使用wake-sleep算法调整所有的权重。
让认知和生成达成一致，也就是保证生成的最顶层表示能够尽可能正确的复原底层的节点。比如顶层的一个节点表示人脸，那么所有人脸的图像应该激活这个节点，并且这个结果向下生成的图像应该能够表现为一个大概的人脸图像。wake-sleep算法分为醒( wake)和睡(sleep)两个部分。
资源列表：
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
