深度學習-無監督
原：http://www.cnblogs.com/DjangoBlog/p/6476332.html 綜述 如果已經有一個足夠強大的機器學習算法，為了獲得更好的性能，最靠譜的方法之一是給這個算法以更多的數據。機器學習界甚至有個說法：“有時候勝出者並非有最好的算法，而是有更多的數據 ...
原文：UFLDL深度學習筆記 （三）無監督特征學習
UFLDL深度學習筆記 三 無監督特征學習 . 主題思路 UFLDL 無監督特征學習 本節全稱為自我學習與無監督特征學習，和前一節softmax回歸很類似，所以本篇筆記會比較簡化，主題思路和步驟如下： 把有標簽數據分為兩份，先對一份原始數據做無監督的稀疏自編碼訓練，獲得輸入層到隱藏層的最優化權值參數 W, b 把另一份數據分成分成訓練集與測試集，都送入該參數對應的第一層網絡 去掉輸出層的稀疏自編碼 ...
2017-06-27 01:14 0 3074 推薦指數：
相關推薦
UFLDL深度學習筆記 （四）用於分類的深度網絡
UFLDL深度學習筆記 （四）用於分類的深度網絡 1. 主要思路 本文要討論的“UFLDL 建立分類用深度網絡”基本原理基於前2節的softmax回歸和 無監督特征學習，區別在於使用更“深”的神經網絡，也即網絡中包含更多的隱藏層，我們知道前一篇“無監督特征學習”只有一層隱藏層。原文深度網絡概覽 ...
李宏毅深度學習筆記-無監督學習-領域嵌入
Manifold Learning t-SNE的“N E”就是Neighbor Embedding的縮寫。現在要做的事情就是之前講過的降維，只不過是非線性的降維。 我們知道數據點可能是高維空間 ...
李宏毅深度學習筆記-無監督學習-詞嵌入
1-of-N encoding 詞嵌入其實是降維的一種非常好，非常廣為人知的應用。 如果要用一個向量表示一個詞，最典型的做法是1-of-N encoding。每一個詞用一個向量表示，向量的維度 ...
李宏毅深度學習筆記-無監督學習-降維
把無監督學習分成兩種 一種是化繁為簡，可以分成兩大類：聚類和降維 所謂的化繁為簡的意思是說，找一個函數，可以input看起來像樹的東西，output都是抽象的樹，把本來復雜的東西，變成比較簡單的output。在做無監督學習時，通常只會有函數中的一邊。比如找一個函數，可以把所有的樹都變成抽象 ...
深度學習UFLDL老教程筆記1 稀疏自編碼器Ⅰ
稀疏自編碼器的學習結構: 稀疏自編碼器Ⅰ： 神經網絡 反向傳導算法 梯度檢驗與高級優化 稀疏自編碼器Ⅱ： 自編碼算法與稀疏性 可視化自編碼器訓練結果 Exercise: Sparse Autoencoder 稀疏自編碼器Ⅰ這部分先簡單講述神經網絡的部分，它和稀疏 ...
深度學習UFLDL老教程筆記1 稀疏自編碼器Ⅱ
監督學習中的應用，其中訓練樣本是有類別標簽的（x_i，y_i）。 自編碼神經網絡是一種無監督學習算法，它使 ...
UFLDL深度學習筆記 （一）反向傳播與稀疏自編碼
UFLDL深度學習筆記 （一）基本知識與稀疏自編碼 前言 近來正在系統研究一下深度學習，作為新入門者，為了更好地理解、交流，准備把學習過程總結記錄下來。最開始的規划是先學習理論推導；然后學習一兩種開源框架；第三是進階調優、加速技巧。越往后越要帶着工作中的實際問題去做，而不能是空中樓閣式 ...