神经网络的表现
在Training Set上表现不好 ----> 可能陷入局部最优
在Testing Set上表现不好 -----> Overfitting 过拟合
虽然在机器学习中，很容易通过SVM等方法在Training Set上得出好的结果，但DL不是，所以得先看Training Set上的表现。
要注意方法适用的阶段：
比如：dropout方法只适合于：在Training Data上表现好，在Testing Data上表现不好的。
如果在Training Data上就表现不好了，那么这个方法不适用。
神经网络的改进
1. New Activation Function
梯度消失：在输入层附近梯度小，在输出层梯度大，当参数还没有更新多少时，在输出层已经收敛了，这是激活函数(sigmoid)对值压缩的问题。
也就是一个比较大的input进去，出来的output比较小，所以最后对total loss的影响比较小，趋于收敛。
1.1 ReLU
如何解决梯度消失？
修改activation function为ReLU（Rectified Linear Unit），
ReLU input 大于0时，input 等于 output，input小于0时，output等于0。
其中，output为0的neural可以去掉，得到一个thinner linear network。
虽然局部是线性的，但这个network从总体上来说还是非线性的。
input小于0的部分，微分为0，这样就没法很好地更新参数了，所以有以下两种方法改进。
leaky ReLU，Parametric ReLU。
1.2 Maxout
此外，还可以通过Maxout自动学习activation function。ReLU是一种特殊的Maxout。
此外maxout可以与ReLU不同，如下图所示，可以有更灵活的形状，更多的piece（即更多的element）。
因为不是max的部分可以先去掉，所以可以不用train那些w，先train线性的局部。
当然，因为训练数据很多，最后都会被train到。
2. Adaptive Learning Rate
在Adagrad的基础上，Hinton提出了RMSProp方法。
对于local minimum的问题，因为每一个dimension都在谷底的情况很少，所以local minimum并没有那么多。
当然解决这个问题，有个Momentum的方法，模拟滚动的物理现象，加上惯性。
Adam方法，RMSProp + Momentum。
如果说在Testing Data上表现不好，可以用以下三种方法。
3. Early Stopping
用验证集去模拟测试集，在Testing Set表现开始变得不好的时候，停止Training。
4. Regularization
打个比方：小孩从出生到六岁，神经网络越来越多，但六岁以后开始变少。
在原来的Loss Function(minimize square error, cross entropy)的基础上加Regularization这一项（L2），不会加bias这一项，加Regularization的目的是让曲线更加平滑。
L2 Regularization 也叫 Weight Decay，这样每次都会让weight小一点。最后会慢慢变小趋近于0，但是会与后一项梯度的值达到平衡，使得最后的值不等于0。
用L1 Regularization也是可以的。
L2下降的很快，很快就会变得很小，在接近0时，下降的很慢，会保留一些接近01的值；
L1的话，减去一个固定的值(比较小的值)，所以下降的很慢。
所以，通过L1-Norm training 出来的model，参数会有很大的值。
5. Dropout
对network里面的每个neural(包括input)，做sampling（抽样）。 每个neural会有p%会被丢掉，跟着的weight也会被丢掉。
形象理解：（练武功&团队合作）
Dropout就是一种终极的集成学习 Ensemble。
可以理解为，因为有很多的model，Structure都不一样，
虽然每个model可能variance很大，但是如果它们都是很复杂的model时，平均起来时bias就很小，所以就比较准了。
如果直接将weight乘以 （1-p%），结果之前做average的结果跟output y是approximated。
