CNN 深度学习：面向监督回归的紧凑整体教程
人工智能
2024-12-09 v3 机器学习
摘要
本教程我们提供一个紧凑而全面的深度学习讨论，聚焦于卷积神经网络(CNN)和监督回归。尽管存在大量关于我们涵盖的各个主题的书籍和文章，但从基础而又严谨且易于理解的视角全面讨论深度学习的教程相对稀少。大多数CNN资源要么过于先进，聚焦于前沿架构，要么过于狭窄，只涉及特定应用，如图像分类。本教程不仅总结了最相关的概念，还提供了深入的探讨，提供了完整而灵活的思路。此外，我们强调了学习理论、统计学与机器学习之间的强大协同作用，这些因素共同支撑了深度学习和CNN框架。我们希望本教程能为学生、教授以及任何想理解深度学习基础的人提供最佳资源。接受后我们将提供随附的代码仓库。
引用
@article{arxiv.2408.12308,
title = {Deep Learning with CNNs: A Compact Holistic Tutorial with Focus on Supervised Regression (Preprint)},
author = {Yansel Gonzalez Tejeda and Helmut A. Mayer},
journal= {arXiv preprint arXiv:2408.12308},
year = {2024}
}
备注
Submitted to the journal Machine Learning and Knowledge Extraction