点击购买，资源将自动在新窗口打开.
获取独家产品信息，尽享促销优惠！立即订阅，不容错过
* 限···时··优惠
抽象的基于现代神经网络的机器学习的核心是能够以良好的准确性近似非常高维函数的能力。这开辟了两个主要研究途径。第一个是开发基于机器学习的算法，以解决受尺寸诅咒的科学问题。第二个是建立一个理论框架，该框架有助于我们为机器学习构成更好的基础。对于后者，需要解决的最重要问题包括：为什么神经网络模型在高维度中效果很好？为什么他们的性能如此敏感地取决于超参数的选择？我们可以开发更健壮且同样准确的新机器学习模型和算法吗？在本文中，我们回顾了这些方向上的一些主要进展。
主要关键词
