【文章推荐】Deep learning：十五(Self-Taught Learning练习)

原文：Deep learning：十五(Self-Taught Learning练习)

前言：本次实验主要是练习soft taught learning的实现。参考的资料为网页：http: deeplearning.stanford.edu wiki index.php Exercise:Self Taught Learning。Soft taught leaning是用的无监督学习来学习到特征提取的参数，然后用有监督学习来训练分类器。这里分别是用的sparse autoenco ...

2013-03-24 17:57 55 20034 推荐指数：

查看详情

[CVPR2017] Deep Self-Taught Learning for Weakly Supervised Object Localization 论文笔记

http://openaccess.thecvf.com/content_cvpr_2017/papers/Jie_Deep_Self-Taught_Learning_CVPR_2017_paper.pdf Deep Self-Taught Learning for Weakly ...

Deep learning：三十五(用NN实现数据降维练习)

　　前言：　　本文是针对上篇博文Deep learning：三十四(用NN实现数据的降维)的练习部分，也就是Hition大牛science文章reducing the dimensionality of data with neural networks的code部分，其code下载 ...

Deep learning：九(Sparse Autoencoder练习)

　　前言：　　现在来进入sparse autoencoder的一个实例练习，参考Ng的网页教程：Exercise:Sparse Autoencoder。这个例子所要实现的内容大概如下：从给定的很多张自然图片中截取出大小为8*8的小patches图片共10000张，现在需要用sparse ...

Deep learning：四(logistic regression练习)

　　前言：　　本节来练习下logistic regression相关内容，参考的资料为网页：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc ...

Deep learning：二(linear regression练习)

　　前言　　本文是多元线性回归的练习，这里练习的是最简单的二元线性回归，参考斯坦福大学的教学网http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc ...

Deep learning：四十五(maxout简单理解)

　　maxout出现在ICML2013上，作者Goodfellow将maxout和dropout结合后，号称在MNIST, CIFAR-10, CIFAR-100, SVHN这4个数据上都 ...

Deep learning：三(Multivariance Linear Regression练习)

/ex3/ex3.html.其实在上一篇博文Deep learning：二(linear regres ...

Deep learning：五(regularized线性回归练习)

　　前言：　　本节主要是练习regularization项的使用原则。因为在机器学习的一些模型中，如果模型的参数太多，而训练样本又太少的话，这样训练出来的模型很容易产生过拟合现象。因此在模型的损失函数中，需要对模型的参数进行“惩罚”，这样的话这些参数就不会太大，而越小的参数说明模型越简单 ...

原文：Deep learning：十五(Self-Taught Learning练习)

相关推荐

相关标签