删减版深度学习.pptVIP

AutoEncoder自动编码器 ?另一种：通过有标签样本，微调整个系统：（如果有足够多的数据，这个是最好的。end-to-end learning端对端学习） ?????? 在研究中可以发现，如果在原有的特征中加入这些自动学习得到的特征可以大大提高精确度，甚至在分类问题中比目前最好的分类算法效果还要好！ AutoEncoder存在一些变体 Sparse AutoEncoder稀疏自动编码器： 继续加上一些约束条件得到新的Deep Learning方法，如：如果在AutoEncoder的基础上加上L1的Regularity限制（L1主要是约束每一层中的节点中大部分都要为0，只有少数不为0，这就是Sparse名字的来源），我们就可以得到Sparse AutoEncoder法。 ?人脑好像也是这样的，某个输入只是刺激某些神经元，其他的大部分的神经元是受到抑制的 AutoEncoder存在一些变体 Denoising AutoEncoders降噪自动编码器 ?降噪自动编码器DA是在自动编码器的基础上，训练数据加入噪声，所以自动编码器必须学习去去除这种噪声而获得真正的没有被噪声污染过的输入。因此，这就迫使编码器去学习输入信号的更加鲁棒的表达。DA可以通过梯度下降算法去训练。 Convolutional Neural Networks卷积神经网络 卷积神经网络是人工神经网络的一种，已成为当