这一系列文章均来自Victor Zhou,他对神经网络的讲解,让我这个数学基础贼差的人也能够很容易地理解,所以决定进行翻译,作为我机器学习的入门教程吧。作者后续发表的相关文章均会汇总到这里。如果我在机器学习领域发现了其他能够补充的材料,也会放到这里。

提醒:译者英语水平和机器学习水平都很有限,有能力的同学最好去看原文,如果您发现哪里有翻译错误,欢迎留言指出。

这个四篇系列文章特别针对初学者,为理解神经网络提供了一种面向基本原理的方法。在深入研究两种流行的变体:递归神经网络(RNN)和卷积神经网络(CNN)之前,我们将为初学者提供经典神经网络的介绍。

对于每种类型的网络,我们将:

  • 查看网络的结构
  • 了解使用该类型网络的动机
  • 介绍一个可以使用该网络解决的现实问题
  • 手动推导训练我们特定问题的网络所需的梯度
  • 在Python中完全从头开始(仅使用numpy实现功能全面的网络

知识背景

无需机器学习或神经网络知识基础,但是,以下知识背景可以帮助你更快入门:

  • 多元微积分,用于得出训练我们的网络所需的梯度时使用。如果您没有该知识背景,可以跳过这些梯度推导。
  • 线性代数,特别是矩阵,通常是表示神经网络权重的最佳方法。
  • Python 3,仅需基础水平即可。

译者注:虽然作者说仅要求基础,但是还是建议大家(1)掌握python序列、函数、类、循环、条件等相关概念,尤其是类,其实我觉得它已经超出了基础的范畴……(2)掌握numpy库,这个熟悉一遍了解各个方法的作用就行,我当时是专门学了一遍的,不过被秩轴位的概念搞疯了……(3)如上所述,需要你掌握多元微积分,不过这个好像高中就讲过了,至少我一个文科生都懂;线性代数,回去翻翻教材吧……

译者在学python和numpy的时候做了笔记,你可以参考:

系列文章

基础-softmax

在正式入门神经网络之前,推荐大家先看一下上面这个关于softmax的简要介绍,因为从第二篇文章起就要开始用到,而且是CNN和RNN重要组成部分。

阅读顺序如下,主要是根据一些概念出现的顺序来决定的,如果跳读的话很有可能遇到一些不明白的概念,又要回过头看前面的文章。

持续更新中……

另外我专门为这篇文章写了一篇名词手册,包含了中英文对照,您可随时查阅:

更深入地学习

想要更深入地学习?可以参考以下内容:

Last modification:October 26th, 2019 at 02:46 pm