浅层学习
one-hot向量
相似度的概念
局部表示和分布式表示示例
学习器
准确率
机器学习的三个基本要素：模型、学习准则、优化算法
【概念】期望风险
【概念】损失函数
【运用】三分类问题
【概念】过拟合
【概念】欠拟合
超参数
【选择 / 判断】验证集概念
线性回归
经验风险最小化中的平方损失函数
什么时候出现不可逆的情况
机器学习模型的四种偏差和方差组合情况（左下过拟合，右上欠拟合）
监督学习
两类线性可分
感知器收敛性
支持向量机超平面距离
【概念】支持向量
sigmoid型函数
零中心化
死亡relu问题
理论上无限逼近
误差的反向传播
【简单计算】一维卷积示例
常用卷积：窄卷积、宽卷积、等宽卷积
汇聚层、最大汇聚
汇聚层中最大汇聚过程示例
转置卷积
【选择 / 名词解释】空洞卷积
循环神经网络特点：短期记忆
简单循环网络+层内连接
循环神经网络的通用近似定理
图灵完备
计算梯度的两个概念
梯度爆炸、梯度消失
权重消失
长程依赖问题
门控机制
长短期记忆
更新门
【概念】小批量梯度下降法
学习率与批量之间的关系
哪些方法需要调整参数以实现最小化代价函数
学习速率大会发生什么问题
【概念】逆时衰减公式
【概念】ADAgrad
【概念】权重衰减
新架构的测试时间（加隐藏层）会涉及哪些因素
【概念、计算方法】软、硬注意力
阐述bagging和boosting的关联性和关系
图灵机结构概念、功能、组成部分
输入归一化的目的
逐层归一化
adam算法的阐述
自适应学习率的方法有哪些
【概念】学习率预热的描述
【概念 / 选择】rmsprop阐述
【概念 / 判断】adadelta相关说法
神经网络中什么方法处理过拟合
【概念】丢弃法的阐述
【概念】三角循环学习率
常见的超参数、超参数优化方法和计算
【概念】L1L2正则化、用处
记忆网络典型结构的概念、各部分作用、功能
文章来源：https://www.toymoban.com/news/detail-489914.html
自训练算法的伪代码（框图）介绍
adaboost伪代码
文章来源地址https://www.toymoban.com/news/detail-489914.html
到了这里，关于【期末总复习】神经网络与深度学习蒲公英书的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
