UFLDL 第2页

卷积特征提取—处理大型图像

网址;http://deeplearning.stanford.edu/wiki/index.php/UFLDL教程仿真表明，如果将整幅图像运用imresize函数进行压缩，则训练样本过少。

Andy_Jiao·2020-08-24 03:41

随机梯度下降与卷积神经网络

weixin_34355881·2020-08-21 22:31

反向传播算法(UFLDL版)

1.UFLDL中的一些术语nln_lnl表示输出层的层数（数量），用L2L_2L2表示第二层，L3L_3L3表示第三层，LnlL_{n_l}Lnl表示输出层。

dawningblue·2020-08-19 01:24

UFLDL Exercise:Sparse Autoencoder

之前虽然看了ufldl的教程，但是没去做他的练习。

shangming111·2020-08-16 08:32

UFLDL Exercise:Convolution and Pooling

这一节讲的是cnn里面最核心的两个操作：convolution和pooling，至于这两个操作的作用和具体的做法这里就不罗嗦了。可惜这个教程没有讲解cnn的bp算法，虽然说跟普通的多层神经网络思想是一样的，但对新手来说实现cnn的bp算法还是需要花一定时间去研究的~STEP2:ImplementandtestconvolutionandpoolingcnnConvolve.mfunctioncon

shangming111·2020-08-16 08:32

UFLDL Exercise:Vectorization

这一节主要教的是矢量化编程，所以跟机器学习关系其实不大，主要是要对矩阵操作和matlab比较熟悉才行，矢量化编程确实是个很方便的工具，不仅能让代码跑的快，而且代码也会简洁很多很多。step1:先下好训练用的数据和辅助代码可以测试下数据和代码，看有没有问题images=loadMNISTImages('train-images.idx3-ubyte');labels=loadMNISTLabels(

shangming111·2020-08-16 08:32

UFLDL 教程学习笔记（四）主成分分析

UFLDL（UnsupervisedFeatureLearningandDeepLearning）Tutorial是由Stanford大学的AndrewNg教授及其团队编写的一套教程，内容深入浅出，有很强的实用性

weixin_30360497·2020-08-16 02:54

UFLDL Tutorial-Logistic Regression

这门课程网站是http://ufldl.stanford.edu/tutorial/逻辑回归强调的是最后的结果不是一个数值，而是一个类别或者说是对应各个类别的概率。

sinat_25882019·2020-08-16 01:57

UFLDL教程

UFLDL教程说明：本教程将阐述无监督特征学习和深度学习的主要观点。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。

liang_wen_bo·2020-08-15 23:43

UFLDL深度学习编程练习1: 多层神经网络

在接下来这几篇博客中，总结一下自己做过的UFLDL的一些练习，如有错误，恳请赐教。神经网络首先回忆一下神经网

jalused·2020-08-15 23:36

UFLDL教程的卷积神经网络(CNN)实现

UFLDL中介绍了卷积神经网络，卷积神经网受启发于动物的视觉神经系统，是将研究大脑获得的深刻理解成功用于机器学习应用的关键例子。

凡小成·2020-08-15 23:36

深度学习UFLDL教程翻译之卷积神经网络（一）

A、使用卷积进行特征提取一、概述在前面的练习中，你解决了像素相对较低的图像的相关问题，例如小的图片块和手写数字的小图像。在这个节，我们将研究能让我们将这些方法拓展到拥有较大图像的更加实际的数据集的方法。二、全连接网络在稀疏自编码器中，我们所做的设计选择是将所有隐藏层单元与输入单元全部连接。在我们处理的相对小的图像中（例如在稀疏自编码器作业中的8×8小块，MNIST数据集中的28×28图像），学习整

hunterlew·2020-08-15 20:10

数据预处理的几个方法：白化、去均值、归一化、PCA

以上转载自：http://ufldl.stanford.edu/wiki/index.php/%E7%99%BD%E5%8C%96假定数据表示成矩阵为X，其中我们假定X是[N*D]维矩阵(N是样本数据量

GZKPeng·2020-08-15 12:29

Caffe4——计算图像均值

均值削减是数据预处理中常见的处理方式，按照之前在学习ufldl教程PCA的一章时，对于图像介绍了两种：第一种常用的方式叫做dimension_mean（个人命名），是依据输入数据的维度，每个维度内进行削减

whiteinblue·2020-08-15 12:28

UFLDL上的ICA为什么一定要做PCA whiten

AndrewNg先生的UFLDL教程真可谓deeplearning入门的首选课程。

happynear·2020-08-15 10:06

DNN基础教程

一、原理前向传播：http://ufldl.stanford.edu/wiki/index.php/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C反向传播：http://blog.csdn.net

changtingwai58·2020-08-14 15:15

PCA(主成分分析) python实现

PCA(主成分分析)python实现主要参考了吴恩达老师的UFLDLUFLDL推导的话，建议先看吴恩达老师的UFLDL和CS229，然后的周志华老师的西瓜书感觉比较简略。

Roc-Ng·2020-08-13 23:45

深度学习之反向传播算法

最近在看深度学习的东西，一开始看的吴恩达的UFLDL教程，有中文版就直接看了，后来发现有些地方总是不是很明确，又去看英文版，然后又找了些资料看，才发现，中文版的译者在翻译的时候会对省略的公式推导过程进行补充

南风渐起·2020-08-13 22:08

使用卷积进行特征提取

weixin_34184158·2020-08-13 21:49

UFLDL学习笔记 ---- 主成分分析与白化

主成分分析（PCA）是用来提升无监督特征学习速度的数据降维算法。看过下文大致可以知道，PCA本质是对角化协方差矩阵，目的是让维度之间的相关性最小（降噪），保留下来的维度能量最大（去冗余），PCA在图像数据的降维上很实用，因为图像数据相邻元素的相关性是很高的。为了方便解释，我们以二维数据降一维为例（实际应用可能需要把数据从256降到50）：需要注意的是，两个特征值经过了预处理，其均值为零，方差相等，

weixin_30721899·2020-08-13 20:32

UFLDL练习一（稀疏自编码器）

UFLDL练习后面的参考链接都是http://ufldl.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B本文属于学习文章，非商业用途。

langb2014·2020-08-12 14:19

deep learning---SAE（stacked autoencoder）

SAE栈式自编码器参考自网页http://ufldl.stanford.edu/wiki/index.php/Stacked_Autoencoders点击打开链接Astackedautoencoderisaneuralnetworkconsistingofmultiplelayersofsparseautoencodersinwhichtheoutputsofeachlayeriswiredtot

北极小贝·2020-08-12 10:35

UFLDL教程练习（exercise）答案（1）

之前看过AndrewNG大神写的UFLDL教程，觉得很不错，不过一直比较懒，没有动手做里面的练习，最近做了一下，感觉很有意思。

weixin_33671935·2020-08-09 00:53

UFLDL教程Exercise答案(4)：Softmax Regression

教程地址：http://deeplearning.stanford.edu/wiki/index.php/UFLDL_TutorialExercise地址：http://deeplearning.stanford.edu

ClaireQi·2020-08-08 23:43

UFLDL教程答案(3):Exercise:PCA_in_2D&PCA_and_Whitening

教程地址：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B练习地址1：http://deeplearning.stanford.edu

slim1017·2020-08-08 22:12

文章标题：UFLDL：练习一

PCAandWhitening&&SoftmaxRegression(1)PCA%%================================================================x=sampleIMAGESRAW();figure('name','Rawimages');randsel=randi(size(x,2),200,1);%Arandomselectio

菲姐&The Queen·2020-08-08 17:33

ufldl.PCA-2D实现

Step0:Loaddata用文本方式打开pcaData.txt，看到的就是两行数据，每行有45个值。不加’-ascii’,直接写出x=load(‘pcaData.txt’)也是ok的！figure(1)表明建立第一幅图像，在需要显示很多图像的时候就需要用到这一句了。scatter则是画图函数，这里的x轴数据为x的第一行数据x(1,:),y轴数据为x的第二行数据x(2,:)。最后给第一副图像命名为

jianjian1992·2020-08-08 16:00

Convolutional neural networks(CNN) (五) PCA in 2D Exercise

{作为CNN学习入门的一部分，笔者在这里逐步给出UFLDL的各章节Exercise的个人代码实现，供大家参考指正}理论部分可以在线参阅(页面最下方有中文选项)PCA到ImplementingPCA/Whitening

CodeCold·2020-08-08 14:20

深度学习 Deep Learning UFLDL 最新Tutorial 学习笔记 4：Debugging: Gradient Checking

1GradientChecking说明前面我们已经实现了LinearRegression和LogisticRegression，关键在于代价函数CostFunction和其梯度Gradient的计算。在Gradient的计算中，我们一般采用推导出来的计算公式来进行计算。但是我们看到，推导出来的公式是复杂的，特别到后面的神经网络，更加复杂。这就产生了一个问题，我们如何判断我们编写的程序就是计算出正确

songrotek·2020-08-04 01:18

ufldl学习笔记与编程作业：Debugging: Gradient Checking（梯度检测）

ufldl学习笔记与编程作业：Debugging:GradientChecking（梯度检测）ufldl出了新教程，感觉比之前的好，从基础讲起，系统清晰，又有编程实践。

lingerlanlan·2020-08-03 19:29

UFLDL教程：Exercise:Softmax Regression

Softmax分类函数的Python实现DeepLearningandUnsupervisedFeatureLearningTutorialSolutions逻辑回归假设函数在线性回归问题中，假设函数具有如下形式：在logistic回归中，我们的训练集由m个已标记的样本构成：，其中输入特征。由于logistic回归是针对二分类问题的，因此类标记。逻辑回归的假设函数的输出值位于[0,1]之间，所以，

帅气的弟八哥·2020-07-31 18:28

深度学习学习笔记

UFLDL教程学习了UFLDL教程，理解深度学习相关的概念与思想，主要包括基本概念、数据处理以及深度学习三个部分，并画出思维导图如下：基本

心情随枫·2020-07-31 16:54

UFLDL Exercise: Softmax Regression

这是UFLDL关于softmax回归的练习题。练习主要编写softmaxCost.m和softmaxPredict.m两个文件。

a_big_pig·2020-07-31 15:04

Stanford UFLDL教程 Exercise:Softmax Regression

Exercise:SoftmaxRegressionContents[hide]1Softmaxregression1.1Dependencies1.2Step0:Initializeconstantsandparameters1.3Step1:Loaddata1.4Step2:ImplementsoftmaxCost1.5Step3:Gradientchecking1.6Step4:Learni

GarfieldEr007·2020-07-31 13:01

[UFLDL] Exercise 1C：Softmax Regression

代码来源：UFLDL-Tutorial-notes-code，感谢其分享！本人工作只是对代码进行讲解，如有改动会单独指出。

Harry嗷·2020-07-31 12:10

机器学习有监督学习之--回归

一、引言本材料参考AndrewNg大神的机器学习课程http://cs229.stanford.edu，以及斯坦福无监督学习UFLDLtutorialhttp://ufldl.stanford.edu/

weixin_34205826·2020-07-29 14:41

深度学习斯坦福cs231n 课程笔记

守枫竹清·2020-07-29 01:27

Deep Learning(深度学习)代码/课程/学习资料整理【持续更新】

1.DeepLearning课程(由浅入深)：一个不错的中文博客:DeepLearning由浅入深.UFLDL机器学习教程：UFLDLTutorial.我们组的一个DeepLearning的比较全面、概括的介绍

MultiMediaGroup_USTC·2020-07-28 14:35

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

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

UFLDL 06 PCA 主成分分析法

引言PrincipalComponentsAnalysis，是一种无监督学习方法，主要是用来将特征的主要分成找出，并去掉基本无关的成分，从而达到降维的目的。PCA的用处很多，此处不做详述。基本原理什么是主成分实际情况下，很多特征都是有重复的内容的，他们彼此包含一部分信息，但是我们可以利用他们的组合得到一个包含更多信息的新特征，其中可以得到的包含最多信息的新特征就是这些特征中最重要的特征。假设原来的

bea_tree·2020-07-27 19:42

Deep Learning资源整理

neuralnetworksanddeeplearning.com–Python-netowrk,network2,network3，从浅层神经网络到深度学习http://deeplearning.stanford.edu/wiki/index.PHP/UFLDL_Tutorial–Andrewnghttp

du_qi·2020-07-15 22:10

图像处理的一些相关知识(Related knowledge for IQA)

YHZZD·2020-07-15 01:30

机器学习资料

ConvexOptimization–BoydandVandenberghe凸优化王书宁（翻译版）斯坦福教程http://deeplearning.stanford.edu/wiki/index.php/UFLDL

蓝色的狸猫·2020-07-13 22:01

PCA的原理及MATLAB实现

帅气的弟八哥·2020-07-11 09:23

[coursera 机器学习课程] Machine Learning by Andrew Ng

https://www.coursera.org/learn/machine-learning/百度网盘下载|密码：y6id（含讲义ppt，pdf，mkv视频，教程笔记，源代码等）授课AndrewNg参考UFLDL

zhwhong·2020-07-10 13:09

UFLDL教程（五）之self-taught learning

这里所谓的自学习，其实就是利用稀疏自编码器对无标签样本学习其特征该自学习程序包括两部分：稀疏自编码器学习图像特征（实现自学习）---用到无标签的样本集softmax回归对样本分类---用到有标签的训练样本集准备工作下载YannLecun的MNIST数据集，本程序用到了如下的两个数据集：第0步：设置神经网络的结构该神经网络包括三层：输入层的神经元个数（数字识别，则设置输入的图像大小）输出端的神经元个

weixin_30618985·2020-07-10 06:18

UFLDL——Exercise: Convolution and Pooling 卷积和池化

实验要求可以参考deeplearning的tutorial，Exercise：ConvolutionandPoling卷积和池化。本实验通过卷积神经网络对RGB彩色图像进行分类，先通过CNN网络从图像从学习得到3200维度的特征，然后训练四分类的softmax分类器进行分类。1、神经网络结构整个网络可以包括四部分，线性解码器，卷积，池化和softmax回归。线性解码器的输入层8*8*3个neuro

Danieljf24·2020-07-09 10:47

UFLDL Tutorial系列关于Autoencoder的理解

关于Autoencoder的讲解参考Andrewng的UFLDLTutorial下面两章即可http://ufldl.stanford.edu/wiki/index.php/Autoencoders_and_Sparsityhttp

Zhangdawei1993·2020-07-09 05:05

计算机视觉整理库

tornadomeet/archive/2012/05/24/2515980.htmlhttp://www.cnblogs.com/mothe123/p/4267248.htmlDeepLearning（深度学习）：ufldl

zhang11wu4·2020-07-09 05:15

推荐频道

UFLDL

卷积特征提取—处理大型图像

随机梯度下降与卷积神经网络

反向传播算法(UFLDL版)

UFLDL Exercise:Sparse Autoencoder

UFLDL Exercise:Convolution and Pooling

UFLDL Exercise:Vectorization

UFLDL 教程学习笔记（四）主成分分析

UFLDL Tutorial-Logistic Regression

UFLDL教程

UFLDL深度学习编程练习1: 多层神经网络

UFLDL教程的卷积神经网络(CNN)实现

深度学习UFLDL教程翻译之卷积神经网络（一）

数据预处理的几个方法：白化、去均值、归一化、PCA

Caffe4——计算图像均值

UFLDL上的ICA为什么一定要做PCA whiten

DNN基础教程

PCA(主成分分析) python实现

深度学习之反向传播算法

使用卷积进行特征提取

UFLDL学习笔记 ---- 主成分分析与白化

UFLDL练习一（稀疏自编码器 ）

deep learning---SAE（stacked autoencoder）

UFLDL教程练习（exercise）答案（1）

UFLDL教程Exercise答案(4)：Softmax Regression

UFLDL教程答案(3):Exercise:PCA_in_2D&PCA_and_Whitening

文章标题：UFLDL：练习一

ufldl.PCA-2D实现

Convolutional neural networks(CNN) (五) PCA in 2D Exercise

深度学习 Deep Learning UFLDL 最新Tutorial 学习笔记 4：Debugging: Gradient Checking

ufldl学习笔记与编程作业：Debugging: Gradient Checking（梯度检测）

UFLDL教程：Exercise:Softmax Regression

深度学习学习笔记

UFLDL Exercise: Softmax Regression

Stanford UFLDL教程 Exercise:Softmax Regression

[UFLDL] Exercise 1C：Softmax Regression

机器学习有监督学习之--回归

深度学习斯坦福cs231n 课程笔记

Deep Learning(深度学习)代码/课程/学习资料整理【持续更新】

稀疏编码

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

UFLDL 06 PCA 主成分分析法

Deep Learning资源整理

图像处理的一些相关知识(Related knowledge for IQA)

机器学习资料

PCA的原理及MATLAB实现

[coursera 机器学习课程] Machine Learning by Andrew Ng

UFLDL教程（五）之self-taught learning

UFLDL——Exercise: Convolution and Pooling 卷积和池化

UFLDL Tutorial系列关于Autoencoder的理解

计算机视觉整理库

UFLDL练习一（稀疏自编码器）