Bug fix.

Remove wrong use of Roboto font which cause compile error if no Roboto font found in system. Fix issue #68: "Regularization" --> "正则化".
zhanggyb · Jun 3, 2017 · 109cd93 · 109cd93
1 parent 73c0d04
commit 109cd93
Show file tree

Hide file tree

Showing 7 changed files with 12 additions and 12 deletions.
diff --git a/chap3.tex b/chap3.tex
@@ -667,7 +667,7 @@ \subsection*{问题}
   使用这个表达式，我们可以在使用柔性最大值层和对数似然代价的网络上应用\gls*{bp}。
 \end{itemize}
 
-\section{过度拟合和规范化}
+\section{过度拟合和正则化}
 \label{sec:overfitting_and_regularization}
 
 诺贝尔奖获得者，物理学家恩里科·费米有一次被问到他对一些同僚提出的一个数学模型的
@@ -843,7 +843,7 @@ \section{过度拟合和规范化}
 易\gls*{overfitting}。不幸的是，训练数据其实是很难或者很昂贵的资源，所以这不是一种太切实际的
 选择。
 
-\subsection{规范化}
+\subsection{正则化}
 
 增加训练样本的数量是一种减轻\gls*{overfitting}的方法。还有其他的方法能够减轻\gls*{overfitting}的程度
 吗？一种可行的方式就是降低网络的规模。然而，大的网络拥有一种比小网络更强的潜力，
@@ -1031,7 +1031,7 @@ \subsection{规范化}
 仅会引起在那个方向发生微小的变化。我相信这个现象让我们的学习算法更难有效地探索权
 重空间，最终导致很难找到\gls*{cost-func}的最优值。
 
-\subsection{为何规范化可以帮助减轻过度拟合}
+\subsection{为何正则化可以帮助减轻过度拟合}
 
 % I produce the 3 graphs in MATLAB:
 %
@@ -1205,7 +1205,7 @@ \subsection{为何规范化可以帮助减轻过度拟合}
 络更加灵活~——~因为，大的\gls*{bias}让神经元更加容易饱和，这有时候是我们所要达到的效果。所
 以，我们通常不会对\gls*{bias}进行\gls*{regularization}。
 
-\subsection{规范化的其他技术}
+\subsection{正则化的其他技术}
 
 除了 L2 外还有很多\gls*{regularization}技术。实际上，正是由于数量众多，我这里也不会将所有的都列
 举出来。在本节，我简要地给出三种减轻\gls*{overfitting}的其他的方法：L1 \gls*{regularization}、\gls*{dropout}和人为

diff --git a/chap5.tex b/chap5.tex
@@ -128,7 +128,7 @@ \section{消失的梯度问题}
 ('0', '1', '2', ..., 9)。
 
 让我们训练 30 个完整的\gls*{epoch}，使用\gls*{mini-batch}大小为 10， 学习率 $\eta = 0.1$，
-规范化参数 $\lambda = 5.0$。在训练时，我们也会在 \lstinline!validation_data! 上监
+\gls*{regularization}参数 $\lambda = 5.0$。在训练时，我们也会在 \lstinline!validation_data! 上监
 控分类的准确度\footnote{注意网络可能需要花费几分钟来训练，要看你机器的速度。所以
   如果你正在运行代码，你可能愿意继续阅读并稍后回来，而不是等待代码完成执行。}：
 \begin{lstlisting}[language=Python]

diff --git a/glossaries.tex b/glossaries.tex
@@ -118,7 +118,7 @@
 }
 
 \newglossaryentry{regularization}{
-  name={规范化},
+  name={正则化},
   description={\emph{Regularization}}
 }
 
@@ -128,7 +128,7 @@
 }
 
 \newglossaryentry{regularization-term}{
-  name={规范化项},
+  name={正则化项},
   description={\emph{Regularization Term}}
 }
 

diff --git a/images/basic_manipulation.tex b/images/basic_manipulation.tex
@@ -11,6 +11,6 @@
 
 \begin{document}  
   \manipulateSingleHiddenNeuron{8}{-4}{
-    \RobotoLight 顶部隐藏神经元的输出
+    顶部隐藏神经元的输出
   }
 \end{document}
diff --git a/images/circuit_multiplication.tex b/images/circuit_multiplication.tex
@@ -8,7 +8,7 @@
 \input{../westernfonts}
 
 \begin{document}
-  \begin{tikzpicture}[font={\RobotoLight}]
+  \begin{tikzpicture}
 
     \foreach \x in {0,...,26}
       \coordinate (p\x) at (\x * 0.4,0);

diff --git a/images/initial_gradient.tex b/images/initial_gradient.tex
@@ -18,8 +18,8 @@
       \node(r\x) [neuron] at (7, 2.2 * \x) {};
     }
 
-    \node [above] at (l5.north) {\RobotoLight hidden layer 1};
-    \node [above] at (r5.north) {\RobotoLight hidden layer 2};
+    \node [above] at (l5.north) {hidden layer 1};
+    \node [above] at (r5.north) {hidden layer 2};
 
     \foreach \x in {0,...,5} 
       \foreach \y in {0,...,5}

diff --git a/images/shallow_circuit.tex b/images/shallow_circuit.tex
@@ -8,7 +8,7 @@
 \input{../westernfonts}
 
 \begin{document}
-  \begin{tikzpicture}[font={\RobotoLight}]
+  \begin{tikzpicture}
 
     \foreach \x in {0,...,26}
       \draw (\x * 0.4,0) -- (\x * 0.4, 1);