读机器学习的论文到底有多难?(2 - 完结)

         接前文说述,一篇论文的阅读需要有相当多的背景知识和训练,我们从上文的思维导图不断繁衍细化已经可以看到,这里我直接给出那张枝繁叶茂的图。我们思考的过程已经很详细在上文做了展示,没有捷径可走,沿着每一条知识线索走下去,祝你好运。


        如果你仔细对比这张图和上文的图,一个很重要的变化是我把读懂论文需要的数学知识集中放在图的左边,由文章本身发散出来的知识点放在右边,如果你试图去把左边的数学分支继续细化,你会找到描述右边术语的具体技术。比如,神经网络可以在数学上用计算图的方式展现,这就是属于左边组合数学的范畴。

        我们用神经网络训练的概念来类比读论文,这个阅读的过程就是一个训练的过程。在阅读的过程中,你遇到的每一个单词都是代表着你掌握了,或者没有掌握的知识点。当未知的部分超过一定的比例,比如说50%,那么这篇论文就很难读懂了。于是,你需要花费大量的时间去学习那些不懂的知识点,将未知的比例降低,才能再次回到论文继续往前。这里我们看到一个很有趣的经验,既适合于人类的阅读理解,也是机器学习调优的挑战之一 ----- 如何知道我们分别去学习未知的知识点足够了,可以回来继续读论文。这好像是深度学习的网络迭代到什么时候可以从一种类型的迭代和循环,进入另一种类型的迭代和循环(深度神经网络的复杂不仅仅是深度本身,还是不同类型神经网络的组合,这也是为什么谷歌的大神们使用了有向计算图作为Tensorflow的理论基础,算子和张量的重复和叠加,可以如同分形一样,每个细节都是简单的张量输入,算子运算,张量输出,但是宏观上表现出异常精细和复杂的图形)。阀值和梯度这些武断的,静态的判断标准已经证明只能适合于特定的计算场景,需要使用算子和张量构造的阀值网络取代静态的数值设定,才能真正做到自适应的判别。更进一步来说,反馈是重要的优化手段,这也是神经网络核心价值(通过网络权重计算后的输出对比训练样本的标签得到学习偏差,由此指导神经网络调整权重,这样的论文不计其数,这里不再累述)。

        回到我们的标题,读机器学习的论文到底又多难,比较完整的回答是,一开始会很难,需要你从阅读中找寻未知的知识点,然后再去各个知识点分别学习,学习的深度需要返回到论文阅读,用是否理解了论文的含义来检验是否需要继续学习那些知识点,如此往复循环,才能读懂论文。因此读论文的难度取决于你已经拥有的相关知识(如同神经网络预设权重是否已经训练过,或者优化过),取决于你的阅读速度,理解能力和阅读,学习时间(如同运行神经网络的计算机的性能强悍程度,神经网络本身构造合理性,还有运行网络的时间)。

        这些都是我自己学习的体会,学习之路也是有向无环图,祝大家好运。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,829评论 1 331
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,603评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,846评论 0 226
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,600评论 0 191
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,780评论 3 272
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,695评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,136评论 2 293
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,862评论 0 182
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,453评论 0 229
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,942评论 2 233
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,347评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,790评论 2 236
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,293评论 3 221
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,839评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,448评论 0 181
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,564评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,623评论 2 249

推荐阅读更多精彩内容