原：http://www.cnblogs.com/DjangoBlog/p/6476332.html 综述 如果已经有一个足够强大的机器学习算法，为了获得更好的性能，最靠谱的方法之一是给这个算法以更多的数据。机器学习界甚至有个说法：“有时候胜出者并非有最好的算法，而是有更多的数据 ...

最近看了一下深度学习的表征学习，总结并记录与一下学习笔记。 1.在标签数据集中做的监督学习容易导致过拟合，半监督学习由于可以从无标签数据集中学习，可以有一定概率化解这种情况。 2.深度学习所使用的算法不能太复杂，否则会加大计算复杂度和工作量。 3.逐层贪婪的无监督预训练有这几个特点 ...

半监督学习 什么是半监督学习？ 大家知道在监督学习里，有一大堆的训练数据（由input和output对组成）。例如上图所示\(x^r\)是一张图片，\(y^r\)是类别的label。 半监督学习是说，在label数据上面，有另外一组unlabeled的数据，写成\(x^u ...

UFLDL深度学习笔记 （三）无监督特征学习 1. 主题思路 “UFLDL 无监督特征学习”本节全称为自我学习与无监督特征学习，和前一节softmax回归很类似，所以本篇笔记会比较简化，主题思路和步骤如下： 把有标签数据分为两份，先对一份原始数据做无监督的稀疏自编码训练，获得输入层 ...

感觉好久不写帖子了，一直忙别的事，终于得闲宽松几日，我又回来了哈哈哈哈哈～～～ 没错，沉寂了一段时间，我又进步了！（嗯先夸下自己。。。）这几天，本小白摸了摸深度学习slam，特此记录一下。本帖只包含下载运行无原理解析，大神请绕走哈 网上找了几个深度slam的开源算法，最终选择了无监督 ...

，这和监督学习有啥区别，卷积神经网络训练就是训练滤波器。举个例子，狗和猫的分类，如果一开始的聚类标准是都 ...

DNN的有监督训练-BP算法 这里以$K$类分类问题来对BP算法进行描述。实际上对于其他问题（如回归问题）基本是一样的。给定训练样本为：$(\mathbf{x},\mathbf{y})$，其中$\mathbf{x}$为样本的特征，$\mathbf{y}$为类别标签，其形式 ...

本文是基于弱监督的深度学习的图像分割方法的综述，阐述了弱监督方法的原理以及相对于全监督方法的优势。 1 基础概念 生活中，我们和周围的事物都是有“标签”的，比如人、杯子、天空等等。在不同的场景下，相同的事物可能对应了不同的标签，比如长在地上的一片小草称为“草地”，长在花盆里 ...