“第十三章 学习策略”版本间的差异

2022年8月3日 (三) 03:03的最后版本

教学资料

• 教学参考
• 课件
• 小清爱提问：什么是爬山法？[1]

扩展阅读

• 维基百科：没有免费的午餐定理 [2]
• 维基百科：梯度下降法[3][4]
• 百度百科：梯度下降法[5][6]
• 知乎：梯度下降法[7]
• 知乎：小批量梯度下降法[8]
• 知乎：动量梯度下降法[9][]
• 维基百科：模拟退火算法 [10][11]
• 百度百科：模拟退火算法[12][13]
• 知乎：模拟退火详解 [14]
• 维基百科：牛顿法 [15][16]
• 维基百科：奥卡姆剃刀[17][18]
• 百度百科：奥卡姆剃刀[19][20]
• 维基百科：过拟合[21][22]
• 维基百科：GPT-3 [23][24]
• 机器之心：当谈论机器学习中的公平公正时，我们该谈论些什么？[25]
• 机器之心：数据增强 [26]
• 知乎：数据增强 [27][28]
• 什么是模型预训练[29]
• 迁移学习 [30]

演示链接

• 优化方法在线演示 [31]
• 基于神经网络的二分类任务演示 [32]

开发者资源

高级读者

• 王东，机器学习导论,第一章“绪论”，第十一章“优化方法”[33]
• Wolpert, David (1996), "The Lack of A Priori Distinctions between Learning Algorithms", Neural Computation, pp. 1341–1390 [34]
• Sebastian Ruder, An overview of gradient descend algorithms,2017 [35]
• Kirkpatrick, S.; Gelatt Jr, C. D.; Vecchi, M. P. (1983). "Optimization by Simulated Annealing". Science. 220 (4598): 671–680. [36]
• Brown et al., Language Models are Few-Shot Learners [37]