MLDS2018SPRING

MLDS2018SPRING

การเรียนรู้ของเครื่องและการทำให้มันลึกซึ้งและมีโครงสร้าง (MLDS) ที่ NTU 2018 Spring

หลักสูตรนี้มีการบ้านสี่ชุด แบ่งกลุ่มตามกลุ่ม การบ้านทั้งสี่มีดังนี้:

1. ทฤษฎีการเรียนรู้เชิงลึก
2. แบบจำลองตามลำดับ
3. โมเดลกำเนิดเชิงลึก
4. การเรียนรู้การเสริมกำลังเชิงลึก

เรียกดูเว็บไซต์หลักสูตรนี้เพื่อดูรายละเอียดเพิ่มเติม

สารบัญ

1. ทฤษฎีการเรียนรู้เชิงลึก
   • ลึกและตื้น
   • การเพิ่มประสิทธิภาพ
   • ลักษณะทั่วไป
2. แบบจำลองตามลำดับ
   • การสร้างคำบรรยายวิดีโอ
   • แชทบอท
3. โมเดลกำเนิดเชิงลึก
   • การสร้างภาพ
   • การสร้างข้อความเป็นรูปภาพ
   • การถ่ายโอนสไตล์
4. การเรียนรู้การเสริมกำลังเชิงลึก
   • การไล่ระดับนโยบาย
   • การเรียนรู้ Q เชิงลึก
   • นักแสดง-นักวิจารณ์

ผลลัพธ์ของการบ้านทั้งสี่

1. ทฤษฎีการเรียนรู้เชิงลึก

• รายงาน.pdf

1.1 ลึกและตื้น

• อ่านฉัน

1.2 การเพิ่มประสิทธิภาพ

• อ่านฉัน

1.3 ลักษณะทั่วไป

• อ่านฉัน

2. แบบจำลองตามลำดับ

2.1 การสร้างคำบรรยายวิดีโอ

• BLEU@1 = 0.7204
• อ่านฉัน
• hw2_1/report.pdf

2.2 แชทบอท

• ความฉงนสนเท่ห์ = 11.83 คะแนนสหสัมพันธ์ = 0.53626
• อ่านฉัน
• hw2_2/report.pdf

3. โมเดลกำเนิดเชิงลึก

• รายงาน.pdf

3.1 การสร้างภาพ

• อ่านฉัน
• การสร้างภาพ: 100% (25/25) ผ่านพื้นฐาน

./gan-baseline/baseline_result_gan.png

3.2 การสร้างข้อความเป็นรูปภาพ

• อ่านฉัน
• การสร้างข้อความเป็นรูปภาพ: 100% (25/25) ผ่านพื้นฐาน

การทดสอบแท็ก	./gan-baseline/baseline_result_cgan.png
ผมสีฟ้าตาสีฟ้า ผมสีฟ้าตาสีเขียว ผมสีฟ้าตาสีแดง ผมสีเขียวตาสีฟ้า ผมสีเขียวตาแดง

3.3 การโอนสไตล์

• อ่านฉัน

4. การเรียนรู้การเสริมกำลังเชิงลึก

• รายงาน.pdf

4.1 การไล่ระดับนโยบาย

• อ่านฉัน
• การไล่ระดับนโยบาย: รางวัลเฉลี่ยใน 30 ตอน = 16.466666666666665

4.2 การเรียนรู้ Q เชิงลึก

• อ่านฉัน
• Deep Q Learning: รางวัลเฉลี่ยใน 100 ตอน = 73.16

4.3 นักแสดง-นักวิจารณ์

• อ่านฉัน