深度学习入门教程UFLDL学习实验笔记一：稀疏自编码器
UFLDL即（unsupervised feature learning & deep learning）。这是斯坦福网站上的一篇经典教程。顾名思义，你将在这篇这篇文章中学习到无监督特征学习和深度学习的主要观点。 UFLDL全文出处在这：http://ufldl ...
原文：深度学习入门教程UFLDL学习实验笔记二：使用向量化对MNIST数据集做稀疏自编码
今天来做UFLDL的第二个实验，向量化。我们都知道，在matlab里面基本上如果使用for循环，程序是会慢的一逼的 可以说基本就运行不下去 所以在这呢，我们需要对程序进行向量化的处理，所谓向量化就是将matlab里面所有的for循环用矩阵运算的方法实现，在这里呢，因为之前的实验我已经是按照向量化的形式编写的代码，所以这里我只把我对代码修改的部分发上来供大家参考吧。本文为本人原创，参考了UFLDL的 ...
2015-05-13 16:59 0 4765 推荐指数：
相关推荐
深度学习UFLDL老教程笔记1 稀疏自编码器Ⅱ
稀疏自编码器的学习结构: 稀疏自编码器Ⅰ： 神经网络 反向传导算法 梯度检验与高级优化 稀疏自编码器Ⅱ： 自编码算法与稀疏性 可视化自编码器训练结果 Exercise: Sparse Autoencoder 自编码算法与稀疏性 已经讨论了神经网络在有 ...
深度学习UFLDL老教程笔记1 稀疏自编码器Ⅰ
稀疏自编码器的学习结构: 稀疏自编码器Ⅰ： 神经网络 反向传导算法 梯度检验与高级优化 稀疏自编码器Ⅱ： 自编码算法与稀疏性 可视化自编码器训练结果 Exercise: Sparse Autoencoder 稀疏自编码器Ⅰ这部分先简单讲述神经网络的部分，它和稀疏 ...
UFLDL深度学习笔记 （一）反向传播与稀疏自编码
UFLDL深度学习笔记 （一）基本知识与稀疏自编码 前言 近来正在系统研究一下深度学习，作为新入门者，为了更好地理解、交流，准备把学习过程总结记录下来。最开始的规划是先学习理论推导；然后学习一两种开源框架；第三是进阶调优、加速技巧。越往后越要带着工作中的实际问题去做，而不能是空中楼阁式 ...
深度学习入门教程UFLDL学习实验笔记三：主成分分析PCA与白化whitening
很多的近似向量。我们在这里首先用2D的数据进行试验，其数据集可以在UFLDL网站的相应页面http:// ...
4.keras实现-->生成式深度学习之用变分自编码器VAE生成图像(mnist数据集和名人头像数据集)
1.VAE和GAN 变分自编码器（VAE,variatinal autoencoder） 生成式对抗网络（GAN,generative adversarial network） 两者不仅适用于图像，还可以探索声音、音乐甚至文本的潜在空间； VAE非常适合用于学习具有 ...
【深度学习笔记】（二）基于MNIST数据集的神经网络实验
and Technology database）是网上著名的公开数据库之一，是一个入门级的计算机视觉数据集，它包含庞大的手写数字 ...
【深度学习】词的向量化表示
在CNN模型中，卷积就是拿**kernel**在图像上到处移动，每移动一次提取一次特征，组成feature map， 这个提取特征的过程，就是卷积。 接下来，我们看看Yoon Kim的pap ...