- 1、本文档共113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)。
查看更多
Deep Learning - Ng
UFLDL教程
From Ufldl
说明:本教程将阐述无监督特征学习和深入学习的主要观点。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
机器学习课程 (/MainFolder/CoursePage.php?
course MachineLearning) ,并先完成第II,III,IV章 (到逻辑回归)。
稀疏 自编码器
神经网络
反向传导算法
梯度检验与高级优化
自编码算法与稀疏性
可视化自编码器训练结果
稀疏自编码器符号一览表
Exercise:Sparse Autoencoder
矢量化编程实现
矢量化编程
逻辑回归的向量化实现样例
神经网络向量化
Exercise:Vectorization
预处理:主成分分析与 白化
主成分分析
白化
实现主成分分析和白化
Exercise:PCA in 2D
Exercise:PCA and Whitening
Softmax回归
Softmax回归
Exercise:Softmax Regression
自我学习与无监督特征学习
自我学习
Exercise:Self-Taught Learning
wbx
Deep Learning - Ng
建立分类用深度网络
从自我学习到深层网络
深度网络概览
栈式自编码算法
微调多层自编码算法
Exercise: Implement deep networks for digit classification
自编码线性解码器
线性解码器
Exercise:Learning color features with Sparse Autoencoders
处理大型图像
卷积特征提取
池化
Exercise:Convolution and Pooling
注意 : 这条线以上的章节是稳定的。下面的章节仍在建设中,如有变更,恕不另行通知。请随
意浏览周围并欢迎提交反馈/建议。
混杂的
MATLAB Modules
Style Guide
Useful Links
混杂的主题
数据预处理
用反向传导思想求导
进阶主题 :
稀疏编码
稀疏编码
稀疏编码 自编码表达
Exercise:Sparse Coding
独立成分分析样式建模
独立成分分析
Exercise:Independent Component Analysis
其它
wbx
Deep Learning - Ng
Convolutional training
Restricted Boltzmann Machines
Deep Belief Networks
Denoising Autoencoders
K-means
Spatial pyramids / Multiscale
Slow Feature Analysis
Tiled Convolution Networks
英文原文作者: Andrew Ng, Jiquan Ngiam, Chuan Yu Foo, Yifan Mai, Caroline Suen
Language : English
Retrieved from
/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B
This page was
文档评论(0)