深度学习论文解读
2023-01-28阅读(160)
问：pysyft原理论文解读
- 答：《A generic framework for privacy preserving deep learning》
syft是一个隐私保护的深度学习框架，核心的操作基于命令链和tensor。支持FL、MPC和差分隐私DP。
多个虚拟worker存在于同一个物理机器，彼此之间不通过网络通信，他们仅仅复制命令链，并展示与实际worker完全相同的接口用来彼此通信。
FL在这个框架中有两种实现方式，一种是建立在plain网络socket上的；另一种建立在web socket上；后者允许多个worker在浏览器中实例化，每个worker都在自己的标签页中。
问：深度学习需要哪些基础知识？
- 答：数学基础和编程基础都很重要
- 答：高等数学，线性代数，概率论与数理统计，另外需要有编程基础，如果没有编程基础那么是相对困难的。
以中公IT就业深度学习的课，课程中需要用到python或Java，以后要学习人工神经网专络及卷积神经网络原理，生成式对抗网络等，还包含了项目实战，可以做一下了解。 - 答：学习深度学习需要有Python编程基bai础。在深度学习领域du，Python 被视作最为简洁和直接的脚本编程语zhi言，被科研领域和工程领域广泛采用。dao所以有python基础的话，学起来会比较容易专，但是之后的课程也有难点，还需要你认真属去学习。
- 答：深度学习预备知识：数学基础（线性代数、矩阵、概率统计、优化等等）、机器学习基础、编程基础；神经网络、深度网络结构、图像任务、语音任务、自然语言任务；如何使用深度学习框架，完成网络的搭建、训练。
- 答：1.线性分类器得分函数
2、线性分类器的理解---空间划分
3、损失函数 LossFunction/CostFunction--衡量吻合程度
4.最优化和梯度下降 - 答：至少2年的编程经验，最好会 Python 语言
基本的机器学习知识，尤其是深度学习
基本的统计学知识，理解平均值、方差、标准差等
线性代数，理解向量、矩阵等
微积分学，理解微分、积分、偏导函数等
中公教育新出了深度学习的网课，可以关注一下 - 答：高等数学，线性代数，概率论与数理统计，这些都是要掌握的
- 答：如果想学习深度学习的话，首先需要有编程基础，如果没有编程基础那么是相对困难的。
以优就业深度学习课程为例，课程中还要学习循环神经网络原理，人工神经网络及卷积神经网络原理，生成式对抗网络等，还包含了项目实战，如果有兴趣可以了解了解。
问：深度学习目前主要有哪些研究方向
- 答：矿压岩层控制“实用矿压岩层控制理论”的开创者和奠基人创造性地建立了以岩层运动为核心的理论体系，包括岩层运动预测与控制、矿山压力控制、控制效果设计与决策。我们建立并完善了以岩层移动为中心的实用矿井。
深层学习作为机器学习算法中的一项新技术
是通过建立一个模拟人脑的分析和学习的神经网络来实现的。深层学习的本质是观察数据的层次特征表示，它进一步将低级特征抽象为高级特征表示，所有这些特征都是通过神经网络实现的。深层学习主要是基于神经网络技术，神经网络最基本的单元是神经元。而且神经网络的研究更早地开始了。早期感知器模型是最早的神经网络模型，也称单层神经网络。
然而，感知器只能做最简单的线性分类任务，甚至不能解决简单或不寻常的问题
但是，当一个网络加入到计算层时，它不仅可以解决国外或国外的问题，而且具有很好的非线性分类效果。1986年rumelhar和Hinton提出的反向传播算法解决两级神经网络的复杂计算问题，这导致行业使用的神经网络的研究热潮的两级。
长期以来，语音识别系统大多采用高斯混合模型来描述每个建模单元的概率模型
该模型简单、方便，适合大规模数据培训。该模型具有较好的切分训练算法，保证了模型的良好训练。长期以来在语音识别应用领域占据主导地位。 - 答：根据2012-2017年被引用最多的深度学习论文,深度学习目前的研究方向如下:
1、基础性的理解和概括
2、优化训练
3、卷积神经网络模型研究
4、图像：分割/目标检测
5、视频
6、自然语言处理
7、强化学习/机器人
8、语音/其他领域
