Deep Learning 學習隨記（三）Softmax regression
講義中的第四章，講的是Softmax 回歸。softmax回歸是logistic回歸的泛化版，先來回顧下logistic回歸。 logistic回歸： 訓練集為{(x(1),y(1)),...,(x(m),y(m))}，其中m為樣本數，x(i)為特征。 logistic回歸是針對二分類問題 ...
原文：Deep Learning 學習隨記（四）自學習和非監督特征學習
接着看講義，接下來這章應該是Self Taught Learning and Unsupervised Feature Learning。 含義： 從字面上不難理解其意思。這里的self taught learning指的是用非監督的方法提取特征，然后用監督方法進行分類。比如用稀疏自編碼 softmax regression。 對於非監督特征學習，有兩種類型，一類是self taught lear ...
2013-10-18 18:18 0 2922 推薦指數：
相關推薦
Deep learning：二十(無監督特征學習中關於單層網絡的分析)
本文是讀Ng團隊的論文” An Analysis of Single-Layer Networks in Unsupervised Feature Learning”后的分析，主要是針對一個隱含層的網絡結構進行分析的，分別對比了4種網絡結構，k-means, sparse ...
Deep learning：二十一(隨機初始化在無監督特征學習中的作用)
這又是Ng團隊的一篇有趣的paper。Ng團隊在上篇博客文章Deep learning：二十(無監督特征學習中關於單層網絡的分析)中給出的結論是：網絡中隱含節點的個數，convolution尺寸和移動步伐等參數比網絡的層次比網絡參數的學習算法本身還要重要，也就是說即使是使用單層的網絡 ...
Deep Learning 學習隨記（七）Convolution and Pooling --卷積和池化
個輸入單元，然后如果要訓練100個特征，只這一層就需要96*96*100個參數（W,b），訓練時間將是前 ...
Deep Learning學習隨記（一）稀疏自編碼器
最近開始看Deep Learning，隨手記點，方便以后查看。 主要參考資料是Stanford 教授 Andrew Ng 的 Deep Learning 教程講義：http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial ...
Deep Learning 學習隨記（八）CNN（Convolutional neural network）理解
前面Andrew Ng的講義基本看完了。Andrew講的真是通俗易懂，只是不過癮啊，講的太少了。趁着看完那章convolution and pooling， 自己又去翻了翻CNN的相關東西。 當時看 ...
使用GAN進行異常檢測——可以進行網絡流量的自學習哇，哥哥，人家是半監督，無監督的話，還是要VAE，SAE。
實驗了效果，下面的還是圖像的異常檢測居多。 https://github.com/LeeDoYup/AnoGAN https://github.com/tkwoo/anogan-keras 看了下，本質上是半監督學習，一開始是有分類模型的。代碼如下，生產模型和判別模型 ...
python里的反射(自學習)
在做程序開發中，我們常常會遇到這樣的需求：需要執行對象里的某個方法，或需要調用對象中的某個變量，但是由於種種原因我們無法確定這個方法或變量是否存在，這是我們需要用一個特殊的方法或機制要訪問和操作 ...