基于机器学习方法的前列腺病理切片图像识别演示.pptVIP

2.2.1 受限玻尔兹曼机的基本模型 RBM 可以被看作是一种无向图模型，如下图所示。v 是可见层单元，表示可以观测到的数据，h 是隐藏层单元，可看作特征检测器，通过观测数据进入网络后生成隐藏特征，W 表示可见单元和隐藏单元之间的连接权重。RBM 的可见层单元和隐藏层单元可以是任意的指数族单元，如高斯单元、Softmax 单元、泊松单元等等。 现在是31页\一共有85页\编辑于星期五 2.2.1 受限玻尔兹曼机的基本模型 现在是32页\一共有85页\编辑于星期五 2.2.1 受限玻尔兹曼机的基本模型 现在是33页\一共有85页\编辑于星期五 2.2.2 基于对比散度的 RBM 快速学习算法 深度学习算法的发明者 Hinton提出了一个快速学习 RBM 的算法，即对比散度。本文所采用基于对比散度的快速学习算法步骤如下： 现在是34页\一共有85页\编辑于星期五 2.2.2 基于对比散度的 RBM 快速学习算法 现在是35页\一共有85页\编辑于星期五 2.3 栈式自编码神经网络的训练 栈式自编码神经网络是将多个稀疏自编码串联所成的深度神经网络，可以采用依次训练每一层的贪心分层算法来预训练深度神经网络。在本小节中，主要介绍如何将自编码网络以贪心分层的方式串联起来，以及如何预训练深度神经网络的参数。 现在是36页\一共有85页\编辑于星期五 2.3.1 栈式自编码神经网络