機器學習4：感知器學習、多層前饋類神經網絡（MFNN）、梯度下降法、誤差反向傳遞法、小批量梯度下降法、隨機梯度下降法（SGD） 蘇豐文教授
機器學習4：感知器學習（Perceptron Learning）、多層前饋類神經網絡（Multilayer Feed-forward Neural Network，MFNN）、梯度下降法（Gradient Descent）、誤差反向傳遞法（Error Backpropagation，BP）、小批量梯度下降法（Mini-batch Gradient Descent）、隨機梯度下降法（Stochastic Gradient Descent，SGD）
講座系列
AI for Lawyers系列
講座進程
已開課
講座日期
2020-07-29
講座地點
國立清華大學
單位與講者
- ．主辦單位：財團法人理律文教基金會
- 、 國立清華大學科技法律研究所
- ．主講人：
- 蘇豐文
- 教授
講座介紹
本期課程內容仍屬於機器學習中的監督式學習（Supervised Learning）分支，囊括機器學習過渡到深度學習的重要概念，包含最佳化機器學習損失函數的優化演算法：梯度下降法、小批量梯度下降法、隨機梯度下降法等。感知器演算法初始為模擬簡單神經元樹突、突觸、細胞體及軸突傳遞神經傳導物質激活動作電位的生理機轉的二元線性分類器，用以處理線性可分問題；而為了達成演算法最佳化，誤差反向傳遞法被提出，並透過適應性學習率及物理動量進行改良。
財團法人理律文教基金會著作權所有，非經同意不得翻印轉載或以任何方式重製.
© Lee and Li Foundation., All rights reserved.
Tel: +886- 2-2760-6111 / Fax: +886-2-2756-5111
E-mail: [email protected]