首页 > 其他分享 >数学与统计,深度学习

数学与统计,深度学习

时间:2024-03-01 10:45:36浏览次数:24  
标签:输入输出 深度 学习 统计学 数学 归纳推理 演绎推理 我们

化为一个任务就是我们所说的学习。因为模型并不是为特定的任务而构建的,即模型没有描述该任务的工作规则。
以温度计的示例为例,我们假设2个温度计线性地测量温度。这个假设就是我们为任务隐式编码的规则:硬编码输入输出函数的形状。除了直线上的数据点,我们无法近似其他东西。随着问题维度的增长,即多输入和多输出,输入输出关系变得复杂(假设输入输出函数的形状不太可能起作用)。

物理学家或应用数学家的工作往往是从第一原理出发,对一种现象进行功能性描述,然后从测量中估计未知的参数,从而得到一个精确的、真实世界的模型。

另一方面,深度神经网络是一组函数,能够近似出大范围的输入输出关系,而不需要我们对某一现象构建解释模型。在某种程度上,我们放弃解释,以换取解决日益复杂的问题的可能性。换句话说,我们有时缺乏能力、信息或计算资源来为我们所呈现的事物建立一个明确的模型,所以数据驱动是我们前进的唯一途径

Specifically, we resort to a little known but powerful theorem, the universal operator approximation theorem. This theorem states that a NN with a single hidden layer can approximate accurately any nonlinear continuous functional (a mapping from a space of functions into real numbers) and (nonlinear) operator(a mapping from a space of functions into another space of functions)

具体来说,我们求助于一个鲜为人知的,但强大的定理,通用算子逼近定理。该定理指出,一个具有单隐层的神经网络可以精确地逼近任何非线性连续泛函和(非线性)算子

统计学的核心到底是什么?

统计学的处境十分独特,它既不像数学、逻辑等形式科学那样,用演绎推理从某些真命题中导出新的真命题,也不像物理、化学等自然科学那样,用归纳推理从“观测”中推断关于世界的认知。对我而言,统计学是一门横亘于演绎和归纳之间的一个学科,它试图回答的是一个非常根本的问题:何以在最大程度上保证归纳推理的有效性?

于是我会这样定义统计学:定义:统计学是一门以演绎推理(数学)为手段来研究归纳推理的学科。

统计学不属于数学,因为他的很多方法并不由纯粹的演绎推理得来。统计学和数学的关系类似于物理学和数学的关系——两者都以数学为工具来解决自身领域内的问题。但它的研究范式却和物理完全不同。统计学所做的是“用演绎推理来为归纳推理找到一些理想的策略”。我们想要找到找到一些好的“归纳”的策略,让他们在“演绎”的意义上具有很好的性质,所以我们才关心unbiasedness,关心invariance,关心asymptotic normality。

不保真性是根植于归纳推理中的瑕疵。就算我们观测到了1000只黑色的乌鸦,也无法确信无疑地说“天下的乌鸦都是黑的”,但如果使用统计学的工具,我们可以确信无疑地说“我们能以95%以上的置信度认为世界上的乌鸦都是黑的”——我们竟然从不保真的归纳数据中得到了保真的结论!(尽管事实上这还要依赖某些关于数据分布的假设)。我认为这种对归纳推理的规范化是统计学的核心之一。

在这个定义下,“统计学”这个名词是非常inclusive的。inference是归纳推理,prediction也是归纳推理。按这个概念分的话,机器学习完全是统计学的一部分。至于data science,我也觉得统计学早该改名叫data science了,除了这个两个专业开设的课程不同之外,他们本质上完全是一回事儿(尽管研究手段和传统统计区别很大)

标签:输入输出,深度,学习,统计学,数学,归纳推理,演绎推理,我们
From: https://www.cnblogs.com/guanghui-hua/p/18046449

相关文章

  • 【论文随笔】深度推荐系统的自动化:一项调查(Automl for deep recommender systems: A
    前言今天读的论文为一篇于2021年1月发表在ACMTransactionsonInformationSystems的论文,本文是一篇关于深度推荐系统自动化机器学习(AutoML)的综述,由RuiqiZheng、LiangQu、BinCui、YuhuiShi和HongzhiYin共同撰写。文章首先提出了一个抽象概念——AutoMLforDeepRecommende......
  • 找实习学习第三天
    vuex实现组件之间的数据共享过程(需要先把store挂载在main。js,就和router一样)1.store的index.js里声明vuex,创建实例newVuex.Store 里面会有很多模块modules,今天要用的模块就是tab2.tab.js中先声明state,就是要共享的数据,mutation实现具体的功能函数,mutations就是改变collap......
  • 前端学习-vue视频学习003-setup(重要)
    学习教程-尚硅谷视频将原vue2的格式改为vue3---使用setup要点:this在vue3中被弱化,setup函数中不能使用this定义数据时,如果不是响应式的(暂时还不是很理解响应式),不会触发页面的变化vue3支持一个标签直接写多次,如<template><Person/><Person/><Person/></t......
  • 动手学强化学习(一):初探强化学习
    1.1简介亲爱的读者,欢迎来到强化学习的世界。初探强化学习,你是否充满了好奇和期待呢?我们想说,首先感谢你的选择,学习本书不仅能够帮助你理解强化学习的算法原理,提高代码实践能力,更能让你了解自己是否喜欢决策智能这个方向,从而更好地决策未来是否从事人工智能方面的研究和实践工作。......
  • JS/Vue 学习小记
    可能要写点轮子。。。先学学前端知识吧,记录一下。遍历:for(letiofS){i...}for(letiinS){S[i]...}JS是弱类型的语言。目前感觉到的特性有:数组不同元素可以是不同类型的函数返回值不需要声明,直接functionF()就可以JS中对象用大括号表示,成员可以是各种类型,包......
  • 【学习笔记】《综述图论中连通性及相关问题的一些处理方法》
    2023集训队论文第一篇。发现好像存在很多我不会/见过但是从来没记住过的结论之类的,所以这篇主要是背结论用的。目录无向图双连通性点双连通分量的性质耳分解割空间与环空间有向图可达性问题强连通性有向环竞赛图记\(u\rightsquigarrowv\)为\(u\)到\(v\)的路径,\(u\t......
  • [CS61A-Fall-2020]学习记录四 Lecture4中有意思的点
    首先,本文不是总结归纳,只是记录一些有趣的知识点罢了assert课堂中在讲授函数,如frommathimportpidefarea_circle(r):returnr*r*pi但老师提出,当r为-10时,函数不会报错,于是引入assert来检测参数frommathimportpidefarea_circle(r):#参数应为正数......
  • 继续学习acm第三天
    今天除了上一二节的程设以外,我几乎一整天都泡在了图书馆里学习我之前未巩固的算法知识,包括但不限于二分,欧拉函数,kmp等等等等。然而我依旧是有很大一部分的缺漏的,最令我头疼的就是数据结构那块知识点的算法,我在学习的过程中几乎一直在逃避,但是大一下以后这类题目只会越来越多,我需......
  • 八下数学概念
    如果方程中只有一个未知数且两边都是关于未知数的整式,那么这个方程叫做一元整式方程axn+b=0(a≠0,b≠0,n是正整数)对于二项方程axn+b=0(a≠0,b≠0),当n为奇数时,方程有且只有一个实数根。当n为偶数时,如果ab<0,那么方程有两个实数根,且这两个根互为相反数;如果ab>0,那么方程没有实数根。方程......
  • 强化学习(五):A3C
    一、知识         二、代码1、6个py文件 2、train.pyimportosos.environ['OMP_NUM_THREADS']='1'importargparseimporttorchfromsrc.envimportcreate_train_envfromsrc.modelimportActorCriticfromsrc.optimizerimportGlo......