来源和参考，参见以下链接等相关网站： http://blog.csdn.net/zouxy09/article/details/8775360 http://blog.csdn.net/zouxy ...

参考前人的链接 http://blog.csdn.net/zouxy09/article/details/8775524 Deep Learning的常用模型或者方法 1、AutoEncoder自动编码器 Deep Learning最简单的一种方法是利用 ...

原文地址：http://blog.csdn.net/hjimce/article/details/50413257 作者：hjimce 一、相关工作 本来今天是要搞《Maxout Net ...

一、池化层的作用： 1、抑制噪声，降低信息冗余度 2、提升模型的尺度不变性和旋转不变性 3、降低模型计算量 4、防止过拟合 二、池化算法的操作方式 1、平均池化：保留背景信息，突出背景信息 2、最大 ...

转自：http://www.cnblogs.com/caocan702/p/5666175.html 借鉴前人的文章链接 http://blog.csdn.net/zouxy09/artic ...

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 ...

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 ...

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 ...