273 Matching Annotations
  1. Feb 2017
  2. exacity.github.io exacity.github.io
    线性代数
    4
    Visit annotations in context

    Annotators

    URL

    exacity.github.io/deeplearningbook-chinese/Chapter2_linear_algebra/
  3. Jan 2017
  4. exacity.github.io exacity.github.io
    前言
    196
    1. zhzhang 16 Jan 2017
      它已成功地用于预测分子如何相互作用，这能帮助制药公司设计新的药物{cite?}、搜索的亚原子粒子{cite?}和自动解析用于构建人脑三维图的显微镜图像{cite?}。

      它已成功地用于预测分子如何相互作用从而帮助制药公司设计新的药物{cite?}，搜索亚原子粒子{cite?}，以及自动解析用于构建人脑三维图的显微镜图像{cite?}等。

    2. zhzhang 16 Jan 2017
      未来几年充满了进一步提高深度学习并将它带到新领域的挑战和机遇

      进一步提高深度学习并将它带到新的领域，未来几年充满了挑战和机遇

    21. zhzhang 15 Jan 2017
      但15.3\%的测试样例的正确类别不会出现在此列表中的前5

      除了15.3%的测试样本，其它测试样本的正确类别都出现在此列表中的前5项里。

    38. zhzhang 15 Jan 2017
      即使现在从一个计算系统角度来看可能相当大的网络

      即使现在的网络，从计算系统角度来看它可能相当大的，

    43. zhzhang 15 Jan 2017
      生物神经元表示的函数可能比目前的人工神经元更复杂

      生物神经元比现在的人工神经元可能表示更复杂的功能

    87. zhzhang 15 Jan 2017
      CIFAR NCAP研究计划具有多学科的性质，其中还包括人类神经科学家和计算机视觉专家

      这个多学科的CIFAR NCAP研究计划还攘括了神经科学家、人类和计算机视觉专家

    97. zhzhang 15 Jan 2017
      反向传播算法的成功运用（训练具有内部表示的深度神经网络）和普及

      成功地使用反向传播去训练具有内部表示的深度神经网以及反向传播算法的普及

    107. zhzhang 15 Jan 2017
      当网络将大量简单计算单元连接在一起时可以实现智能行为

      当将大量简单计算单元网络连接在一起时可以实现智能行为

    109. zhzhang 15 Jan 2017
      认知科学是理解心智，并结合多个不同层次分析的跨学科方法

      认知科学是理解心智的跨学科途径，即它融合多个不同的分析层次。

    120. zhzhang 15 Jan 2017
      但我们还没有足够地了解生物学习的神经科学，因此在训练这些架构时，不能提供给我们很多关于\emph{学习算法}的指导。

      但我们对用于神经科学的生物学习还没有足够多的了解，也就不能为训练这些架构用的\emph{学习算法}提供太多的指导。

    130. zhzhang 14 Jan 2017
      多数哺乳动物大脑的可能使用单一的算法解决大部分大脑可以解决的不同任务

      大多数哺乳动物的大脑可能使用单一的算法就可以去解决其大脑解决的大部分不同任务

    133. zhzhang 14 Jan 2017
      甚至连大脑的最简单、最深入研究的部分我们都还远远没有理解

      所以我们甚至连大脑的最简单、最深入研究的部分都还远远没有理解

    140. zhzhang 14 Jan 2017
      在线性模型中观察到这些缺陷的批评者开始反对受生物学启发的学习

      观察到线性模型这个缺陷的批评者对受生物学启发的学习普遍地产生了抵触

    154. zhzhang 14 Jan 2017
      这第一次神经网络研究的浪潮被称为控制论，如\fig?所示。

      如\fig?所示，这第一波神经网络研究浪潮被称为控制论。

    168. zhzhang 13 Jan 2017
      此时深度学习模型对应的观点是他们设计的系统是受生物大脑（无论人类大脑或其他动物的大脑）所启发。

      彼时，深度学习模型被认为是受生物大脑（无论人类大脑或其他动物的大脑）所启发而设计出来的系统。

    176. zhzhang 13 Jan 2017
      并为一本书提及关于一个新兴领域的”历史”而感到惊讶

      并对在一本书中看到关于一个新兴领域”历史”的提及而感到惊讶

    177. zhzhang 13 Jan 2017
      介绍被广泛认为是深度学习未来研究重点的但更具猜测性的想法

      讨论某些具有展望性的想法，它们被广泛地认为是深度学习的未来研究重点。

    179. zhzhang 13 Jan 2017
      但要迅速在他们的产品或平台中使用深度学习的软件工程师

      但希望能快速地掌握这方面知识并在他们的产品或平台中使用深度学习的软件工程师。

    189. zhzhang 11 Jan 2017
      一个AI系统观察到其中一只眼睛在阴影中的脸部图像，最初可能只看到一只眼睛。

      一个观察其中一只眼睛在阴影中的脸部图像的AI系统最初可能只看到一只眼睛。

    Visit annotations in context

    Annotators

    URL

    exacity.github.io/deeplearningbook-chinese/Chapter1_introduction/