深度学习介绍.pptx

下载文档

3
0
约小于1千字
约 50页
2019-01-29 发布于北京
举报
版权申诉
保障服务

深度学习介绍.pptx

1、本文档共50页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

深度学习简介;主要内容;现状;现状;主要内容;神经网络;基本结构;神经网络;神经网络;BP网络;说明;反向传播算法;反向传播与梯度下降;主要问题;主要内容;深度学习;深度学习;深度学习;深层带来的好处;预训练与梯度消失现象;主要内容;自编码器结构;自编码器的建立;节点的稀疏性限制;图像实验;Stacked AutoEncoder;参数设置：设置好激活函数、学习率、迭代步数、训练层数等一系列基本参数；构建SAE网络：分层建立输入-输出-输入的AE网络，并对权值与偏置初始化； SAE预训练：对网络只传入训练数据，在有限迭代步数下进行无监督的学习，以学得数据特征，得到权值与偏置的初始值；参数微调：加入输出层，将SAE网络转化成输入-输出的NN网络并传入训练标签，即放弃输出到输入的反向映射，进行反向传播学习，减小训练误差；测试：对测试数据进行神经网络测试，得到结果。;Example;实验总结;CNN基本知识;局部连接;权值共享;下采样;下采样;LeNet-5;深度置信网络;受限玻尔兹曼机;RBM介绍;RBM训练;;RBM评估;主要内容;对深度学习的评价;应用;展望;参考资料;参考资料;参考资料;参考资料;谢谢大家！