稀疏编码

稀疏自编码器_TF2.0实现稀疏自编码

自编码器也是一种神经网络，他的输入和输出是一致的，他借助稀疏编码的思想，目标是使用稀疏的一些高阶特征重新组合来重构自己。
weixin_39775577·2020-12-12 12:26

稀疏自编码器_基于tf实现稀疏自编码和在推荐中的应用

自编码器也是一种神经网络，他的输入和输出是一致的，他借助稀疏编码的思想，目标是使用稀疏的一些高阶特征重新组合来重构自己。
weixin_39928993·2020-11-25 20:09

量化训练

tensorflow量化训练:post-trainingquantization:剪枝，稀疏编码，对模型存储体积进行压缩quatization-awaretraining:forwardF32==>int8
星空永恒&&卡利达·2020-09-16 07:16

关于自编码器的核心点理解

这里有一份入门指南（附代码）4.自动编码器5.自编码器实现代码（可视化版本）一、稀疏编码1.生物学背景稀疏编码（SparseCoding）也是一种受哺乳动物视觉系统中简单细胞感受野而启发的模型。
达瓦里氏吨吨吨·2020-09-14 08:12

稀疏编码

而每个神经元对这些刺激的表达则采用了稀疏编码(SparseCoding,SC)原则,将图像在边缘、端点、条纹等方面的特性以稀疏编码的形式进行描述.从数学的角度来说,稀疏编码是一种多维数据描述方法,数据经稀疏编码后仅有少数分量同时处于明显激活状态
carina197834·2020-09-13 21:56

《神经网络与深度学习》-无监督学习

无监督学习1.无监督特征学习1.1主成分分析1.2稀疏编码1.2.1训练方法1.2.2稀疏编码的优点1.3自编码器1.4稀疏自编码器1.5堆叠自编码器1.6降噪自编码器2.概率密度估计2.1参数密度估计
你电吴彦祖·2020-09-11 00:29

计算机视觉 - 字典学习

在稀疏编码中，字典的学习至关重要。监督的字典学习方法大致可以分为3类。第一类为学习出针对所有信号的一个统一字典(universaldictionary)。
JRRG·2020-09-10 17:56

（SRCNN）Image super-resolution using deep convolutional networks

基于cnn的方法是使cnn网络学习在低分辨率图像与高分辨率图像之间的端对端（end-to-end）的映射函数F（Y）（设Y为低分辨率图像）与传统的方法（如稀疏编码）比较,SR
wonengguwozai·2020-08-22 04:49

【论文阅读】Image Super-Resolution Using Deep Convolutional Networks

我们进一步表明，基于传统的稀疏编码的超分辨率方法可以被描述为一个深度卷积网络。但和传统的方法并不一样，传统的方法在处理每个
weixin_34121304·2020-08-22 04:06

图像超分辨率重建论文和项目

（1）稀疏编码方法（SparseCoding）Imagesuper-resolutionassparserepresentationofrawimagepatches(CVPR2008)杨建超主页：http
咿呀咿呦喂·2020-08-22 03:36

稀疏表示（Sparse Representations）

【时间】2019.07.16【题目】稀疏表示（SparseRepresentations）（转）稀疏编码、字典学习稀疏表示（SparseRepresentations）
C小C·2020-08-22 00:52

稀疏表示（Sparse representation）原理理解

正文稀疏表示（SparseRepresentation）也叫作稀疏编码（SparseCoding）,就是用字典中元素的线性组合去表示测试样本。
qq_32790593·2020-08-22 00:09

量化训练

tensorflow量化训练:post-trainingquantization:剪枝，稀疏编码，对模型存储体积进行压缩quatization-awaretraining:forwardF32==>int8
XianxinMao·2020-08-21 18:36

【字典 autoencoder】K-SVD简述——字典学习，稀疏编码

K-SVD1.k-SVDintroduction1.K-SVDusage:Design/Learnadictionaryadaptivelytobetterfitthemodelandachievesparsesignalrepresentations.2.MainProblem:Y=DXWhereY∈R(n*N),D∈R(n*K),X∈R(k*N),Xisasparsematrix.Nis#of
hzyido·2020-08-19 07:52

AutoEncoder以及TensorFlow-2.0实现代码

自编码器（Auto-encoder）Auto-encoder输入前馈神经网络的一种，它借助了稀疏编码的思想，目标是借助抽取到的高阶特征来重构输入，而不只是简单的复制。
Forlogen·2020-08-17 11:24

Sparsity稀疏编码（一）

稀疏编码来源于神经科学，计算机科学和机器学习领域一般一开始就从稀疏编码算法讲起，上来就是找基向量（超完备基），但是我觉得其源头也比较有意思，知道根基的情况下，拓展其应用也比较有底气。
weixin_34306593·2020-08-12 14:02

【机器学习】tensorflow: 稀疏自编码

稀疏编码的公式为:argm
artzers·2020-08-12 14:16

自编码器及其tensorflow实现

借助稀疏编码的思想，目标是使用稀疏的一些高阶特征重新组合来重构自己。
lxy_Alex·2020-08-12 14:03

稀疏编码器（Sparse Encoder）

1.介绍在自动编码器一文中，我们已经简单介绍了基于隐藏神经元数量较小的假设，本文主要基于隐藏神经元数量较大的假设。此时，我们仍然通过给自编码神经网络施加一些其他的限制条件来发现输入数据中的结构。比如我们给隐藏神经元加入稀疏性限制。稀疏性可以被简单地解释如下：假设神经元的激活函数时sigmoid函数，那么当神经元的输出接近于1的时候我们认为它被激活，而输出接近于0的时候认为它被抑制，那么使得神经元大
雪伦_·2020-08-12 14:48

将自己的数据导入SAE神经网络（替换样例中mnist数据集的方法）

如何将自己需要处理的数据导入神经网络前些日子看了一下稀疏编码器，然后在网上找了一份稀疏编码器的源码。源码是以经典的mnist数据集为例，而我则为如何把自己想编码的数据导入网络而伤透了脑筋。
女友长高高·2020-08-12 14:38

Tensorflow实现稀疏自动编码（SAE）

怎么让机器也有这项能力呢，稀疏编码来了。定义：稀疏自编码器（SparseAutoencoder）可以自动从无标注数据中学习特征，可以给出比原始数据更好的特征描述。
chun_soft·2020-08-12 14:37

Pytorch入门之VAE

1.稀疏编码首先介绍一下“稀疏编码”这一概念。早期学者在黑白风景照片中可以提取到许多16*16像素的图像碎片。而这些图像碎片几乎都可由64种正交的边组合得到。
weixin_30522183·2020-08-12 13:31

图像稀疏编码表示

LinearSpatialPyramidMatchingUsingSparseCodingforImageClassification》、《ImageclassificationBynon-negativesparsecoding,low-rankandsparsedecomposition》及《基于稀疏编码的图像视觉特征提取及应用
Jay_Sherry·2020-08-08 20:22

Spatial Pyramid Matching 小结

稀疏编码系列：（一）----SpatialPyramid小结（二）----图像的稀疏表示——ScSPM和LLC的总结（三）----理解sparsecoding（四）----稀疏模型与结构性稀疏模型---
姜文晖·2020-08-08 16:55

稀疏表示、字典学习和压缩感知（基本概念）

稀疏矩阵即矩阵的每一行/列中都包含了大量的零元素，且这些零元素没有出现在同一行/列，对于一个给定的稠密矩阵，若我们能通过某种方法找到其合适的稀疏表示，则可以使得学习任务更加简单高效，我们称之为稀疏编码（
weixin_30340353·2020-08-04 04:44

从特征表示到深度学习

最近一直在学习特征表达和学习的理论基础，从稀疏编码到卷积神经网络，直到最近很火的深度学习，感觉有那么些启发。特此记录一下学习新得。
曼陀罗彼岸花·2020-08-01 01:08

Spatial Pyramid 小结

稀疏编码系列：（一）----SpatialPyramid小结（二）----图像的稀疏表示——ScSPM和LLC的总结（三）----理解sparsecoding（四）----稀疏模型与结构性稀疏模型---
Savitch·2020-07-31 18:31

无监督学习特征--稀疏编码、深度学习、ICA部分代表文献-------之一

l学习映射函数及在行为识别/图像分类中应用的文献（模型与非模型之间存在关联，算法相互采用，没有明确的区分，含仿生学文献）%研究重点放到ICA模型及深度学习兼顾稀疏编码1）稀疏编码（稀疏编码、自动编码、递归编码
zhoutongchi·2020-07-29 03:14

稀疏编码/ICA模型---MRF统计结构

传统的稀疏编码（最近几年引入先验知识学习字典）、ICA等模型的特征映射学习未引入图像先验信息，仅考虑图像块，未考虑一幅图像中图像块与其周围图像块的统计关系，致使学习映射不够丰富，同时在组合（Pooloperation
zhoutongchi·2020-07-29 03:14

多尺度卷积稀疏编码的无监督迁移学习

稀疏编码：所谓的稀疏编码是用一组基向量表示大量样本的基线组合，是一种无监督的方法。稀疏编码算法的目的就是找到一组基向量，能将输入向量表示为这些基向量的线性组合。
xiaoduantuilalalal·2020-07-29 00:00

稀疏编码（Sparse Coding）

稀疏编码（SparseCoding）的思想是通过码本（Codebook）{di}Ki=1,di∈Rd{di}i=1K,di∈Rd的线性组合来重构输入变量x∈Rdx∈Rd，而每个码本的权重系数构成一个向量
curryche·2020-07-28 23:32

稀疏编码

稀疏编码转自：http://ufldl.stanford.edu/wiki/index.php/%E7%A8%80%E7%96%8F%E7%BC%96%E7%A0%81稀疏编码算法是一种无监督学习方法，
u012507022·2020-07-28 14:07

稀疏编码自编码表达

稀疏编码自编码表达FromUfldlJumpto:navigation,searchContents[hide]1稀疏编码2拓扑稀疏编码3稀疏编码实践3.1将样本分批为“迷你块”3.2良好的s初始值
starzhou·2020-07-28 11:11

FPGA视觉从入门到放弃——稀疏编码的原理与简单应用

两者的特征提取分别基于稀疏编码和卷积神经网络。1.问题不同的尺度和视角拍摄同1个正方体。FPGA中物体检测采用滑动窗口也能跑得飞起，所以问题来了~滑动窗口尺寸多尺度，能否识别不同视角的正方体？
灰巧克力爱松露·2020-07-28 10:33

关于多元一次方程组更多的故事

稀疏编码（SparseCoding）是前些年信号研究领域比较热门的技术，常用于对信号的压缩编码，人们也称这种技术为压缩感知（CompressiveSensing）。
贝塔狗·2020-07-28 10:33

神经网络中的稀疏编码和自动编码了解一下

AutoEncoder自动编码器DeepLearning最简单的一种方法是利用人工神经网络的特点，人工神经网络（ANN）本身就是具有层次结构的系统，如果给定一个神经网络，我们假设其输出与输入是相同的，然后训练调整其参数，得到每一层中的权重。自然地，我们就得到了输入I的几种不同表示（每一层代表一种表示），这些表示就是特征。自动编码器就是一种尽可能复现输入信号的神经网络。为了实现这种复现，自动编码器就
Never-Giveup·2020-07-28 07:23

数据矿工学习-样本自适应的在线卷积稀疏编码论文-个人中文翻译

简介卷积稀疏编码（CSC）已被广泛用于图像和信号处理中的平移不变字典的学习。然而，现有的方法的可扩展性是有限的。
翁JJ·2020-07-28 06:44

[Neuronal Dynamics 笔记] I Foundations of Neuronal Dynamics - 1 Introduction

Introduction1.神经元1.1神经元的组成1.2动作电位(actionpotential)/脉冲(spike)1.3膜电位1.4脉冲编码*(1)频率编码(2)时间编码(3)群体编码(4)稀疏编码
谦虚的海绵·2020-07-28 05:09

稀疏编码最优化解法

稀疏编码最优化解法--概述分类：机器学习2014-01-1711:24196人阅读评论(0)收藏举报稀疏编码最优化解法概述目录(?)[+]稀疏编码的概念来自于神经生物学。
pi9nc·2020-07-28 04:44

稀疏模型与结构性稀疏模型

稀疏编码系列：（一）----SpatialPyramid小结（二）----图像的稀疏表示——ScSPM和LLC的总结（三）----理解sparsecoding（四）----稀疏模型与结构性稀疏模型---
姜文晖·2020-07-28 00:00

NIPS2018深度学习(9)|亮点：多元卷积稀疏编码、循环关系网络

[1]Deep,complex,invertiblenetworksforinversionoftransmissioneffectsinmultimodeopticalfibresOisínMoran,PiergiorgioCaramazza,DanieleFaccio,RoderickMurray-SmithUniversityofGlasgow,UniversityofGlasgowhttp
frank_hetest·2020-07-27 23:55

Deep Learning 系列（4）：稀疏编码（sparse coding）和主成分分析（ICA）

一直犹豫稀疏编码怎么写，来来回回看了好几遍的UFLDL。因为这不仅是DL深度学习的重要概念，也是我这段时间一直在研究的stackedISA深度特征学习的支柱。
涵子涵·2020-07-27 23:07

稀疏编码(Sparse Coding)的前世今生(二)

本节就使用概率推理（bayesviews）的方式把稀疏编码扩展到随时间变化的图像上，因为人类或者哺乳动物在日常活动中通过眼睛获取的信号是随时间变化而变化的，对于此类信号仍然有一些稀疏系数和基可以描述他们
marvin521·2020-07-27 21:30

卷积学习与传统稀疏编码、ICA模型学习区别（逐步补充）

逐步总结（有待补充）无监督学习知识框架：这种分类不合适，稀疏编码等也可以从统计学角度看做模型学习与参数选择。实际上，稀疏编码是从1维信号发展起来的表示方法。
zhoutongchi·2020-07-27 14:03

正定矩阵的稀疏张量分解

这是一篇来自PAMI的论文《TensorSparseCodingforPositiveDefineMatrices》1.全文的组织架构Section1.Introduction，主要介绍了当前基于正定矩阵的稀疏编码方法与传统的基于矢量化的稀疏处理方法的区别
kkk12344·2020-07-16 01:44

稀疏编码的经典解法——ISTA算法的推导

\qquad现有一个求稀疏编码的问题：min⁡∥z∥0s.t.x=Dz\min\parallelz\parallel_0\quads.t.
Mr_Lowbee·2020-07-14 05:06

K-SVD字典学习算法

算法思想算法求解思路为交替迭代的进行稀疏编码和字典更新两个步骤.K-SVD在构建字典步骤中，K-SVD不仅仅
机尾云拉长·2020-07-13 11:33

【分类——笔记01】基于稀疏编码的半监督图像分类研究

《基于稀疏编码的半监督图像分类研究》作者：陈汉英学科：计算机应用技术完成时间：2014年4月*******************************************************
洞之蝉·2020-07-11 13:01

将自己的数据导入SAE神经网络（替换样例中mnist数据集的方法）

如何将自己需要处理的数据导入神经网络前些日子看了一下稀疏编码器，然后在网上找了一份稀疏编码器的源码。源码是以经典的mnist数据集为例，而我则为如何把自己想编码的数据导入网络而伤透了脑筋。
女友长高高·2020-07-10 20:41

SAE（稀疏编码器）源码备用

利用Python实现SAE（稀疏编码器），输入为TensorFlow封装的mnist手写识别数据集#coding=utf-8'''Createdon2016年12月3日@author:chunsoft'
女友长高高·2020-07-10 20:10
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他