《Deep Learning(UFLDL)翻译版合集》.docx

PAGE163 / NUMPAGES163 UFLDL教程  HYPERLINK /wiki/index.php/UFLDL%E6%95%99%E7%A8%8B /wiki/index.php/UFLDL%E6%95%99%E7%A8%8B 说明：本教程将阐述无监督特征学习和深度学习的主要观点。通过学习，你也将实现多个功能学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。 本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果你不熟悉这些想法，我们建议你去这里  HYPERLINK /MainFolder/CoursePage.php?course=MachineLearning 机器学习课程，并先完成第II，III，IV章（到逻辑回归）。 1 稀疏自编码器 1.1 HYPERLINK /wiki/index.php/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C \o 神经网络 神经网络 1.2 HYPERLINK /wiki/index.php/%E5%8F%8D%E5%90%91%E4%BC%A0%E5%AF%BC%E7%AE%97%E6%B3%95 \o 反向传导算法 反向传导算法 1.3 HYPERLINK /wiki/index.php/%E6%A2%AF%E5%BA%A6%E6%A3%80%E9%AA%8C%E4%B8%8E%E9%AB%98%E7%BA%A7%E4%BC%98%E5%8C%96 \o 梯度检验与高级优化 梯度检验与高级优化 1.4 HYPERLINK /wiki/index.php/%E8%87%AA%E7%BC%96%E7%A0%81%E7%AE%97%E6%B3%95%E4%B8%8E%E7%A8%80%E7%96%8F%E6%80%A7 \o 自编码算法与稀疏性 自编码算法与稀疏性 1.5 HYPERLINK /wiki/index.php/%E5%8F%AF%E8%A7%86%E5%8C%96%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8%E8%AE%AD%E7%BB%83%E7%BB%93%E6%9E%9C \o 可视化自编码器训练结果 可视化自编码器训练结果 1.6 HYPERLINK /wiki/index.php/%E7%A8%80%E7%96%8F%E8%87%AA%E7%BC%96%E7%A0%81%E5%99%A8%E7%AC%A6%E5%8F%B7%E4%B8%80%E8%A7%88%E8%A1%A8 \o 稀疏自编码器符号一览表 稀疏自编码器符号一览表 1.7 HYPERLINK /wiki/index.php/Exercise:Sparse_Autoencoder \o Exercise:Sparse Autoencoder Exercise:Sparse Autoencoder 2 矢量化编程实现 2.1 HYPERLINK /wiki/index.php/%E7%9F%A2%E9%87%8F%E5%8C%96%E7%BC%96%E7%A8%8B \o 矢量化编程 矢量化编程 2.2 HYPERLINK /wiki/index.php/%E9%80%BB%E8%BE%91%E5%9B%9E%E5%BD%92%E7%9A%84%E5%90%91%E9%87%8F%E5%8C%96%E5%AE%9E%E7%8E%B0%E6%A0%B7%E4%BE%8B \o 逻辑回归的向量化实现样例 逻辑回归的向量化实现样例 2.3 HYPERLINK /wiki/index.php/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E5%90%91%E9%87%8F%E5%8C%96 \o 神经网络向量化 神经网络向量化 2.4 HYPERLINK /wiki/index.php/Exercise:Vectorization \o Exercise:Vectorization Exercise:Vectorization 3预处理：主成分分析与白化 3.1 HYPERLINK /wiki/index.php/%E4%B8%BB%E6%88%90%E5%88%86%E5%88%86%E6%9E%90 \o 主成分分析 主成分分析 3.2 HYPERLINK /wiki/index.php/%E7%99%BD%E5%8C%96 \o 白化 白化 3.3 HYPERLINK /wiki/index.php/%E5%AE%9E%E7%8E%B0%E4%B