机器之心深度研学社每周干货：2016年第48周

Synced 深度研学社 每周干货，每周五为大家推荐机器学习的入门教程、技术分析、以及资源分享。不多不少，每周进步一点点~

【入门教程】

Deep Learning in a Nutshell: Reinforcement Learning

by Tim Dettmers

简介：

终于迎来了 Deep Learning in a Nutshell 系列的最后一篇教程！不知道之前三篇大家学习的怎么样了呢？在这篇文章中，作者将重点放在了强化学习上。首先作者通过类比人类学习的过程，介绍强化学习的基本概念和目标；随后，作者通过详细的图表，解释相关的深度学习函数与训练过程，还附有一个来自 Google 的 Q-training 演示视频。文末还有 AlphaGo 所使用的训练架构的解说，有助于进一步理解前文的内容。在结尾部分，作者还提供了一个 OpenAI 使用教程的链接，不要错过哦。

链接：https://devblogs.nvidia.com/parallelforall/deep-learning-nutshell-reinforcement-learning/

相关资料：

• Train Your Reinforcement Learning Agents at the OpenAI Gym: https://devblogs.nvidia.com/parallelforall/train-reinforcement-learning-agents-openai-gym/

【技术分析】

Attention and Augmented Recurrent Neural Networks

by Chris Olah & Shan Carter

简介：本文是 Google Brain 两位研究者 Chris Olah 和 Shan Carter 发表在个人网站 distill.pub 上为数不多的文章之一。文章重点介绍了注意力和增强循环神经网络，他们认为未来几年这些「增强 RNN（augmented RNN）」将在深度学习能力扩展中发挥重要的作用。

链接：

• 原文网址：http://distill.pub/2016/augmented-rnns/

• 机器之心译文：/article/153

【资源分享】

Github 项目：10 种深度学习算法的 TensorFlow 实现

简介：此项目包含了深度学习常用的十种算法的 TensorFlow 实现，包括：

• 卷积网络（Convolutional Network）

• 循环神经网络（LSTM）（Recurrent Neural Network (LSTM)）

• 受限玻尔兹曼机（Restricted Boltzmann Machine）

• 深度信念网络（Deep Belief Network）

• 作为RBM堆叠的深度自编码器（Deep Autoencoder as stack of RBMs）

• 去噪自编码器（Denoising Autoencoder）

• 堆叠的去噪自编码器（Stacked Denoising Autoencoder）

• 作为去噪自编码器堆叠的深度自编码器（Deep Autoencoder as stack of Denoising Autoencoders）

• 多层感知器（MultiLayer Perceptron）

• Logistic 回归

安装过程非常简单，强烈推荐。

• 项目地址：https://github.com/blackecho/Deep-Learning-TensorFlow

• 项目文档：http://deep-learning-tensorflow.readthedocs.io/en/latest/