Autoencoder 第16页

SAE模型

最后一层是个分类器（logistic分类器或者softmax分类器）（一）sparseautoencoder算法 1.概念：sparseautoencoder是一种非监督学习算法，需要满足以下两种约束：（1）autoencoder

我花开后百花残·2015-11-26 10:00

SAE模型

最后一层是个分类器（logistic分类器或者softmax分类器）（一）sparseautoencoder算法 1.概念：sparseautoencoder是一种非监督学习算法，需要满足以下两种约束：（1）autoencoder

我花开后百花残·2015-11-26 10:00

Kaggle—Digit Recognizer竞赛

42000样例 test 28000样例，原始MNIST是 train 60000 test 10000 我分别用 Logistic Regression/ 784-200-200-10的Sparse AutoEncoder

·2015-11-13 13:42

Deep Learning（深度学习）学习笔记整理系列之（三）

九、Deep Learning的常用模型或者方法 9.1、AutoEncoder自动编码器 Deep Learning

·2015-11-12 15:13

denoising autoencoder

神经网络的挑战和关键技术： 1.神经网络结构决定（层，神经元，连接）加入特定领域的知识（CNN 图片处理） 2.模型复杂度高大的数据量； regularization: dropout；denoising 3.最优化困难好的初始化以避免局部最优：pre

·2015-11-12 09:36

sparse autoencoder

1.autoencoder autoencoder的目标是通过学习函数，获得其隐藏层作为学习到的新特征。从L1到L2的过程成为解构，从L2到L3的过程称为重构。

·2015-11-12 09:35

UFLDL实验报告2：Sparse Autoencoder

Sparse Autoencoder稀疏自编码器实验报告 1.Sparse Autoencoder稀疏自编码器实验描述自编码神经网络是一种无监督学习算法，它使用了反向传播算法，并让目标值等于输入值

·2015-11-11 10:28

Autoencoders

Andrew Ng 组的Tutorial做的很浅显易懂啊，今天明白了Autoencoder。

·2015-11-11 04:44

栈式自动编码器(Stacked AutoEncoder)

Bengio等人在2007年的 Greedy Layer-Wise Training of Deep Networks 中，仿照stacked RBM构成的DBN，提出Stacked AutoEncoder

·2015-11-11 04:43

降噪自动编码器（Denoising Autoencoder)

起源：PCA、特征提取.... 随着一些奇怪的高维数据出现，比如图像、语音，传统的统计学-机器学习方法遇到了前所未有的挑战。数据维度过高，数据单调,噪声分布广，传统方法的“数值游戏”很难奏效。数据挖掘？已然挖不出有用的东西。为了解决高维度的问题，出现的线性学习的PCA降维方法，PCA的数学理论确实无懈可击，但是却只对线性数据效果比较好。于是，寻求简单的、自动的、智能的特征提取方法仍然

·2015-11-11 04:43

降噪自动编码器（Denoising Autoencoder)

降噪自动编码器（Denoising Autoencoder) 起源：PCA、特征提取.... 随着一些奇怪的高维数据出现，比如图像、语音，传统的统计学-机器学习方法遇到了前所未有的挑战。

·2015-11-11 00:30

栈式自动编码器(Stacked AutoEncoder)

栈式自动编码器(Stacked AutoEncoder) 起源：自动编码器单自动编码器，充其量也就是个强化补丁版PCA，只用一次好不过瘾。

·2015-11-11 00:30

压缩感知KL1p库CompressedSensingExample例子解读

但是如果希望w是稀疏的，比如w是100维，其中只有10维是不为0，其余90维都及其接近于0，那我们就需要添加稀疏性条件，autoencoder和sparseautoencoder便是类似的关系。

jianjian1992·2015-11-09 11:00

The Derivation About CNN and Antoencoder

The Derivation About CNN and Antoencoder 公式推导本人用latex写的关于CNN和autoencoder的推导，前向和反向传播的推导都有证明。

·2015-11-08 16:12

【DeepLearning】Exercise:Vectorization

如果再使用Exercise:Sparse Autoencoder中的sampleIMAGES.m进行归一化，将使得训练得到的可视化权值如下图：更改train.m

·2015-11-07 11:33

【DeepLearning】Exercise:Sparse Autoencoder

Exercise:Sparse Autoencoder 习题的链接：Exercise:Sparse Autoencoder 注意点： 1、训练样本像素值需要归一化。

·2015-11-07 11:32

Exercise:Sparse Autoencoder

斯坦福deep learning教程中的自稀疏编码器的练习，主要是参考了 http://www.cnblogs.com/tornadomeet/archive/2013/03/20/2970724.html，没有参考肯定编不出来。。。Σ( ° △ °|||)︴也当自己理解了一下这里的自稀疏编码器，练习上规定是64个输入节点，25个隐藏层节点

·2015-11-07 11:32

Deep learning：二十六(Sparse coding简单理解)

本文的内容是参考斯坦福deep learning教程：Sparse Coding，Sparse Coding: Autoencoder Interpretation，对应的中文教

·2015-11-01 10:29

Deep learning：二十四(stacked autoencoder练习)

　　前言：　　本次是练习2个隐含层的网络的训练方法，每个网络层都是用的sparse autoencoder思想，利用两个隐含层的网络来提取出输入数据的特征。

·2015-11-01 10:27

Deep learning：九(Sparse Autoencoder练习)

　　前言：　　现在来进入sparse autoencoder的一个实例练习，参考Ng的网页教程：Exercise:Sparse Autoencoder。

·2015-11-01 10:19

Deep learning：八(Sparse Autoencoder)

　　前言：　　这节课来学习下Deep learning领域比较出名的一类算法——sparse autoencoder，即稀疏模式的自动编码。

·2015-11-01 10:18

Deep learning：三十二(基础知识_3)

　　前言：　　本次主要是重新复习下Sparse autoencoder基础知识，并且加入点自己的理解。

·2015-10-31 08:47

Deep learning：二十(无监督特征学习中关于单层网络的分析)

Single-Layer Networks in Unsupervised Feature Learning”后的分析，主要是针对一个隐含层的网络结构进行分析的，分别对比了4种网络结构，k-means, sparse autoencoder

·2015-10-31 08:47

PRML读书会第十二章 Continuous Latent Variables（PCA，Principal Component Analysis，PPCA，核PCA，Autoencoder，非线性流形）

主讲人戴玮（新浪微博: @戴玮_CASIA） Wilbur_中博(1954123) 20:00:49 我今天讲PRML的第十二章，连续隐变量。既然有连续隐变量，一定也有离散隐变量，那么离散隐变量是什么？我们可能还记得之前尼采兄讲过的9.2节的高斯混合模型。它有一个K维二值隐变量z，不仅只能取0-1两个值，而且K维中只能有1维为1、其他维必须为0，表示我们观察

·2015-10-30 20:46

Deep learning：八(Sparse Autoencoder)

前言：这节课来学习下Deeplearning领域比较出名的一类算法——sparseautoencoder，即稀疏模式的自动编码。我们知道，deeplearning也叫做unsupervisedlearning，所以这里的sparseautoencoder也应是无监督的。按照前面的博文：Deeplearning：一(基础知识_1)，Deeplearning：七(基础知识_2)所讲，如果是有监督的学习

lcj1105·2015-10-28 19:00

自编码网络AutoEncoder的原理

本文参考自：http://ufldl.stanford.edu/wiki/index.php...原翻译版本有些不易理解的地方，用自己的语言写了一次。有监督的神经网络需要我们的数据是有标注（Labeled）的，然而神经网络并不止限于处理有标注的数据，同时还能处理无标注的数据，形如：$${x^{(1)},x^{(2)},x^{(3)},...}其中\x^{(i)}\in{\mathbb{R}^n}$

大巧不工·2015-10-28 00:00

Deep learning：五十(Deconvolution Network简单理解)

深度网络结构是由多个单层网络叠加而成的，而常见的单层网络按照编码解码情况可以分为下面3类：既有encoder部分也有decoder部分：比如常见的RBM系列（由RBM可构成的DBM, DBN等），autoencoder

·2015-10-27 11:08

Deep learning：四十八(Contractive AutoEncoder简单理解)

　　Contractive autoencoder是autoencoder的一个变种，其实就是在autoencoder上加入了一个规则项，它简称CAE（对应中文翻译为？）。

·2015-10-27 11:08

Deep learning：四十三(用Hessian Free方法训练Deep Network)

　　目前，深度网络（Deep Nets）权值训练的主流方法还是梯度下降法（结合BP算法），当然在此之前可以用无监督的方法（比如说RBM，Autoencoder）来预训练参数的权值，而梯度下降法应用在深度网络中的一个缺点是权值的迭代变化值会很小

·2015-10-27 11:05

Deep learning：四十二(Denoise Autoencoder简单理解)

　　前言：　　当采用无监督的方法分层预训练深度网络的权值时，为了学习到较鲁棒的特征，可以在网络的可视层（即数据的输入层）引入随机噪声，这种方法称为Denoise Autoencoder

·2015-10-27 11:05

Contractive Auto-Encoder

本博客已经迁往http://www.kemaswill.com/, 博客园这边也会继续更新, 欢迎关注~ Contractive Autoencoder(CAE)是Bengio等人在2011年提出的一种新的

·2015-10-27 11:44

DL：Sparse autoencoder之初步学习参考资料

之前的两周对autoencoder进行了初步的学习，对于一个对神经网络没有基础的我来说，前两周有够头疼的。现在把学习的流程记录一下。

oMengLiShuiXiang1234·2015-10-26 09:00

【读书笔记】基于Autoencoder 网络的数据降维和重构

【读书笔记】基于Autoencoder网络的数据降维和重构分类：DL2013-07-2018:181655人阅读评论(1)收藏举报是一篇学术文章，我在学习autoencoder的时候找到的，看了看。

hzyido·2015-09-16 21:19

SAE模型

最后一层是个分类器（logistic分类器或者softmax分类器）（一）sparseautoencoder算法1.概念：sparseautoencoder是一种非监督学习算法，需要满足以下两种约束：（1）autoencoder

zakexu·2015-05-21 19:19

Autoencoder

自动编码器AutoEncoder)是一种单隐层无监督学习神经网络,网络结构如下图多层AE堆叠可以得到深度自动编码器（ＤＡＥ）。

u014568921·2015-05-09 23:00

Deep Learning by Andrew Ng --- stacked autoencoder

Whenshouldweusefine-tuning?Itistypicallyusedonlyifyouhavealargelabeledtrainingset;inthissetting,fine-tuningcansignificantlyimprovetheperformanceofyourclassifier.However,ifyouhavealargeunlabeleddataset

meanme·2015-04-08 20:00

Deep Learning by Andrew Ng --- Sparse Autoencoder

这是UFLDL的编程练习，因为只看到第一章节，还没有看到向量化，所以本篇博客只注意对算法的理解，没有注意向量化。因为进入机器学习领域也只有一个多月，许多错误之处望指出。传统的神经网络一般用于监督学习(supervisedlearning)，一般而言，SVM比传统的backpropagation分类算法更有效。但是最近神经网络在无监督学习（unsupervisedlearning）领域开始大放异彩。

meanme·2015-03-29 16:00

Deep Learning（深度学习）Deep Learning的常用模型或者方法（一）

原地址：http://blog.csdn.net/zouxy09/article/details/8775524九、DeepLearning的常用模型或者方法9.1、AutoEncoder自动编码器

t0903·2014-12-27 19:00

UFLDL——Exercise: Sparse Autoencoder 稀疏自动编码

实验要求可以参考deeplearning的tutorial，Exercise:SparseAutoencoder。稀疏自动编码的原理可以参照之前的博文，神经网络，稀疏自动编码。1.神经网络结构：实验是实现三层的稀疏自动编码神经网络，神经网络结构包括输入层64个neuron，隐含层25个neuron（都不包括bias结点），输出层和输入层相同的neuron的个数。2.训练数据：实验中的原始数据是10

Danieljf24·2014-12-09 21:03

UFLDL——Exercise: Sparse Autoencoder 稀疏自动编码

实验要求可以参考deeplearning的tutorial，Exercise:SparseAutoencoder。稀疏自动编码的原理可以参照之前的博文，神经网络，稀疏自动编码。1.神经网络结构：实验是实现三层的稀疏自动编码神经网络，神经网络结构包括输入层64个neuron，隐含层25个neuron（都不包括bias结点），输出层和输入层相同的neuron的个数。2.训练数据：实验中的原始数

Daniel_djf·2014-12-09 21:00

稀疏自动编码（Sparse Autoencoder）

在之前的博文中，我总结了神经网络的大致结构，以及算法的求解过程，其中我们提高神经网络主要分为监督型和非监督型，在这篇博文我总结下一种比较实用的非监督神经网络——稀疏自编码（SparseAutoencoder）。1.简介上图是稀疏自编码的一般结构，最大的特点是输入层结点数（不包括bias结点）和输出层结点数相同，而隐藏层结点个数少于输入层和输出层结点的个数。该模型的目的是学习得到的函数，然后得到原始

Daniel_djf·2014-12-05 10:00

深度网络实现手写体识别

基于自动编码机（autoencoder）,这里网络的层次结构为一个输入层，两个隐层，后面再跟着一个softmax分类器:采用贪婪算法，首先把input和feature1看作一个自动编码机，训练出二者之间的参数

90Zeng·2014-10-23 10:00

deep learning 自学习网络的Softmax分类器

这一节我将跳过KNN分类器，因为KNN分类器分类时间效率太低，这一节讲Sparse autoencoder + softmax分类器。

hlx371240·2014-10-18 01:00

Efficient Learning of Sparse Representations with an Energy-based Mode摘要

EfficientLearningofSparseRepresentationswithanEnergy-basedModel此文也是Deeplearning三大breakthrough文章之一，其实就是稀疏的autoencoder

Evan123mg·2014-10-16 17:00

Sparse Autoencoder(稀疏自编码器)

前言：这节课来学习下Deeplearning领域比较出名的一类算法——sparseautoencoder，即稀疏模式的自动编码。我们知道，deeplearning也叫做unsupervisedlearning，所以这里的sparseautoencoder也应是无监督的。按照前面的博文：Deeplearning：一(基础知识_1)，Deeplearning：七(基础知识_2)所讲，如果是有监督的学习

2k-Gamer·2014-10-16 15:52

Sparse Autoencoder(稀疏自编码器)

前言：这节课来学习下Deeplearning领域比较出名的一类算法——sparseautoencoder，即稀疏模式的自动编码。我们知道，deeplearning也叫做unsupervisedlearning，所以这里的sparseautoencoder也应是无监督的。按照前面的博文：Deeplearning：一(基础知识_1)，Deeplearning：七(基础知识_2)所讲，如果是有监督的学习

Evan123mg·2014-10-16 15:00

DeepLearnToolbox代码详解——SAE，DAE模型

一：引言.sae,dae,dropout模型简介上面提到的三个模型都是在经典的多层神经网络的基础上加深构架得到；例如sae（Stackautoencoder）就是理堆叠多个autoencoder，然后使用

whiteinblue·2014-07-16 16:00

Denosing Autoencoder训练过程代码详解

普通deepautoencoder训练过程本文主要参考Deeplearntoolbox中代码matlab的DeepLearningtoolbox，见：https://github.com/rasmusbergpalm/DeepLearnToolbox一：加载数据二：pre_training阶段2.1初始化DAE网络框架sae=saesetup([784100100]);%建立一个3层网络在函数s

whiteinblue·2014-07-13 17:00

Denosing Autoencoder原理以及结果简介

本文是看了，bengio的论文Extractingandcomposingrobustfeatureswithdenoisingautoencoders，整理而得。文章开始先提出什么是好的特征，或者好的特征应该具有的性质：1最大化的保留原始信息，2稀疏性3鲁棒性，即使局部输入数据被污染的时候，也能够学习到稳定的特征表达原理简介：Denosingautoencoder就是为了学习到较鲁棒的特征，在网

whiteinblue·2014-07-13 17:00

Autoencoder ,Sparse Coding ,Sparse autoencoder 简介

1.Autoencoder介绍Autoencdoer这个概念最早应该是出自hinton在science杂志上发表的哪一篇开启深度学习的旷世之作

whiteinblue·2014-06-24 22:00

推荐频道

Autoencoder

SAE模型

SAE模型

Kaggle—Digit Recognizer竞赛

Deep Learning（深度学习）学习笔记整理系列之（三）

denoising autoencoder

sparse autoencoder

UFLDL实验报告2：Sparse Autoencoder

Autoencoders

栈式自动编码器(Stacked AutoEncoder)

降噪自动编码器（Denoising Autoencoder)

降噪自动编码器（Denoising Autoencoder)

栈式自动编码器(Stacked AutoEncoder)

压缩感知KL1p库CompressedSensingExample例子解读

The Derivation About CNN and Antoencoder

【DeepLearning】Exercise:Vectorization

【DeepLearning】Exercise:Sparse Autoencoder

Exercise:Sparse Autoencoder

Deep learning：二十六(Sparse coding简单理解)

Deep learning：二十四(stacked autoencoder练习)

Deep learning：九(Sparse Autoencoder练习)

Deep learning：八(Sparse Autoencoder)

Deep learning：三十二(基础知识_3)

Deep learning：二十(无监督特征学习中关于单层网络的分析)

PRML读书会第十二章 Continuous Latent Variables（PCA，Principal Component Analysis，PPCA，核PCA，Autoencoder，非线性流形）

Deep learning：八(Sparse Autoencoder)

自编码网络AutoEncoder的原理

Deep learning：五十(Deconvolution Network简单理解)

Deep learning：四十八(Contractive AutoEncoder简单理解)

Deep learning：四十三(用Hessian Free方法训练Deep Network)

Deep learning：四十二(Denoise Autoencoder简单理解)

Contractive Auto-Encoder

DL：Sparse autoencoder之初步学习参考资料

【读书笔记】基于Autoencoder 网络的数据降维和重构

SAE模型

Autoencoder

Deep Learning by Andrew Ng --- stacked autoencoder

Deep Learning by Andrew Ng --- Sparse Autoencoder

Deep Learning（深度学习）Deep Learning的常用模型或者方法（一）

UFLDL——Exercise: Sparse Autoencoder 稀疏自动编码

UFLDL——Exercise: Sparse Autoencoder 稀疏自动编码

稀疏自动编码（Sparse Autoencoder）

深度网络实现手写体识别

deep learning 自学习网络的Softmax分类器

Efficient Learning of Sparse Representations with an Energy-based Mode摘要

Sparse Autoencoder(稀疏自编码器)

Sparse Autoencoder(稀疏自编码器)

DeepLearnToolbox代码详解——SAE，DAE模型

Denosing Autoencoder训练过程代码详解

Denosing Autoencoder原理以及结果简介

Autoencoder ,Sparse Coding ,Sparse autoencoder 简介