UFLDL

UFLDL Tutorial_Linear Decoders with Autoencoders

LinearDecodersSparseAutoencoderRecapInthesparseautoencoder,wehad3layersofneurons:aninputlayer,ahiddenlayerandanoutputlayer.Inourpreviousdescriptionofautoencoders(andofneuralnetworks),everyneuroninthen
Kylin-Xu·2020-07-09 02:43

自编码算法与稀疏性(KL散度诱导稀疏)

转自ufldl，原文地址：http://deeplearning.stanford.edu/wiki/index.php/%E8%87%AA%E7%BC%96%E7%A0%81%E7%AE%97%E6%
wonengguwozai·2020-07-09 00:42

Deep Learning 19_深度学习UFLDL教程：Convolutional Neural Network_Exercise（斯坦福大学深度学习教程）...

ConvolutionalNeuralNetworkCNN卷积神经网络推导和实现、Deeplearning：五十一(CNN的反向求导及练习)DeepLearning学习随记（八）CNN（Convolutionalneuralnetwork）理解ufldl
weixin_30924079·2020-07-08 15:25

UFLDL 教程学习笔记（一）神经网络

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_30887919·2020-07-08 15:58

[机器学习] UFLDL笔记 - 反向传播算法（Backpropagation）

前言[机器学习]UFLDL笔记系列是以我学习UFLDLTutorial（AndrewNg老师主讲）时的笔记资料加以整理推出的。内容以无监督特征学习和深度学习为主，同时也参考了大量网上的相关资料。
WangBo_NLPR·2020-07-08 12:59

[机器学习] UFLDL笔记 - PCA and Whitening

前言[机器学习]UFLDL笔记系列是以我学习UFLDLTutorial（AndrewNg老师主讲）时的笔记资料加以整理推出的。内容以无监督特征学习和深度学习为主，同时也参考了大量网上的相关资料。
WangBo_NLPR·2020-07-08 12:59

《深度学习》学习笔记（一）：稀疏自编码器（Sparse Autoencoder）

在学习《深度学习》时，我主要是通过AndrewNg教授在http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial上提供的UFLDL（UnsupervisedFeatureLearningandDeepLearning
chenynCV·2020-07-08 08:02

Spark MLlib Deep Learning Deep Belief Network (深度学习-深度信念网络)2.1

SparkMLlibDeepLearningDeepBeliefNetwork(深度学习-深度信念网络)2.1http://blog.csdn.net/sunbow0SparkMLlibDeepLearning工具箱，是根据现有深度学习教程《UFLDL
sunbow0·2020-07-08 06:45

UFLDL学习笔记6（Linear Decoders with Autoencoders）

最近在学习UFLDLTutorial，这是一套关于无监督学习的教程。在此感觉AndrewNg做的真的是非常认真。下面把我的代码贴出来，方便大家学习调试。所有代码已经过matlab调试通过。LinearDecoderswithAutoencoders这一章是第一章SparseAutoencoder变化版。第一章的SparseAutoencoder两层都用的是sigmoid映射，那么输出一定在0-1之
richard2357·2020-07-08 04:30

logistic回归 Softmax回归

logistic回归解决二分类问题softmax回归解决多分类问题Softmax回归模型是logistic回归模型在多分类问题上的推广REF:http://ufldl.stanford.edu/wiki
HBU_DAVID·2020-07-08 03:46

稀疏自编码

转自ufldl，原文地址：http://deeplearning.stanford.edu/wiki/index.php/%E8%87%AA%E7%BC%96%E7%A0%81%E7%AE%97%E6%
半个夏天1314·2020-07-07 13:27

UFLDL 笔记 04 自编码算法与稀疏性 Autoencoders and Sparsity

1自编码神经网络所谓自编码神经网络，就是如下图的神经网络简单来说，输入输出都尽量是同样的输入值，但是其中的隐含层要尽量的少其中不需要labels也就是无监督学习其中的意义是：将很多输入的特征，转化为很少的隐含层，然后这少量的隐含层还能转化为原来的样子，其中得到的隐含层是最重要的，他抓住了输入特征的本质，像这样简单的神经网络，其效果类似与主成分分析法得到的结果。2稀疏性上面说了隐含层节点很少，上图中
bea_tree·2020-07-07 04:47

UFLDL 学习笔记——稀疏自动编码机（sparse autoencoder）

自动编码机是一种出入层节点数等于输出层节点数的三层神经网络，只有中间一层隐藏层。与http://blog.csdn.net/scarecrow398966925/article/details/24178931文章中描述的三层网络类似，关于神经网络的前向传到及反向传播训练可以在上述连接的文章中有详细的讲解。自动编码机与之前描述的神经网络不同的是自动编码机要求网络的输出尽量等于输入。即zi尽量等于x
abc398966925·2020-07-07 02:54

UFLDL——Exercise: Stacked Autoencoders栈式自编码算法

实验要求可以参考deeplearning的tutorial，Exercise:Implementdeepnetworksfordigitclassification。本实验仍然是对手写数字0-9的识别，相比于之前的模型变得更复杂，通过多层隐含层从原始特征中学习更能代表数据特点的特征，然后把学习到的新特征输入到softmax回归进行分类。实验中使用了更深的神经网络（更复杂），和我们的预期一样，最后的
Danieljf24·2020-07-06 21:29

举例说明反向传播算法

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
Bluenapa·2020-07-06 21:35

[机器学习] UFLDL笔记 - Convolutional Neural Network - 反向传播与梯度计算

前言本文是我在学习卷积神经网络（ConvolutionalNeuralNetwork）时的笔记，内容涉及CNN的反向传播、梯度计算等，主要解释了反向传播中Conv层（卷积层）和池化层（Pooling层）之间误差的传递过程和数学表达形式，本文参考资料是AndrewNg老师在UFLDLTutorial中的相关章节。关于CNN的笔记在网络上很多了，本文不再详述各种概念细节，只对其中容易混淆和难以理解的算
WangBo_NLPR·2020-07-06 18:23

[机器学习] UFLDL笔记 - Sparse Coding（稀疏编码）

前言[机器学习]UFLDL笔记系列是以我学习UFLDLTutorial（AndrewNg老师主讲）时的笔记资料加以整理推出的，内容以无监督特征学习和深度学习为主，同时也参考了大量网上的相关资料。
WangBo_NLPR·2020-07-06 18:23

[机器学习] UFLDL笔记 - Autoencoders and Sparsity

前言[机器学习]UFLDL笔记系列是以我学习UFLDLTutorial（AndrewNg老师主讲）时的笔记资料加以整理推出的，内容以无监督特征学习和深度学习为主，同时也参考了大量网上的相关资料。
WangBo_NLPR·2020-07-06 18:23

[机器学习] UFLDL笔记 - Convolutional Neural Network - 矩阵运算

前言卷积神经网络的核心操作就是各种矩阵运算，在前向传播和反向传播中的各种形式的矩阵运算构成了CNN的计算体系，本文将在卷积神经网络（ConvolutionalNeuralNetwork）的背景下对相关的矩阵运算进行梳理，涉及矩阵乘积（matrixproduct）、元素对应乘积（element-wiseproduct）、卷积操作（convolution）、相关操作和克罗内克积（kroneckerpr
WangBo_NLPR·2020-07-06 18:23

[机器学习] UFLDL笔记 - Convolutional Neural Network - 全连接、局部连接、卷积与池化

前言本文是我在学习卷积神经网络（ConvolutionalNeuralNetwork）时的笔记，主要参考资料是AndrewNg老师在UFLDLTutorial中的相关章节。关于CNN的笔记在网络上很多了，本文不再详述各种细节，只对其中容易混淆和难以理解的算法细节做一个讲解，这些细节都是这两年与学生交流讨论中总结出来的。文章小节安排如下：1）全连接（Fullyconnected）与局部连接（Loca
WangBo_NLPR·2020-07-06 18:23

【Deep Learning】两层CNN的MATLAB实现

在实现两层的CNN之前，首先实现了UFLDL中与CNN有关的作业。然后参考它的代码搭建了一个一层的CNN。最后实现了一个两层的CNN，码代码花了一天，调试花了5天，我也是醉了。
weixin_30298497·2020-07-05 20:27

深度学习笔记：稀疏自编码器（4）——稀疏自编码器代码练习

  本文是ufldl稀疏自编码器教程中的练习，详细的练习要求参见Exercise:SparseAutoencoder，笔者将练习中要求实现的三个文件代码记录在此，并作了详细的注释。
aaronwu2·2020-07-05 19:44

Theano-Deep Learning Tutorials 笔记:Stacked Denoising Autoencoders (SdA)

SdA.htmlTheStackedDenoisingAutoencoder(SdA)isanextensionofthestackedautoencoder[Bengio07]anditwasintroducedin[Vincent08].推荐先看这个UFLDL
slim1017·2020-07-05 17:17

ufldl 深度学习入门 第三发： 自我学习与无监督特征学习

UFLDL学习链接：UFLDL，感谢吴恩达同学说明：在实现这一节之前一定要先完成稀疏自编码
sloanqin·2020-07-05 12:36

关于稀疏自编码器的自己的理解

今天看了一天的稀疏自编码器，也跑了UFLDL教程http://ufldl.stanford.edu/wiki/index.php/Exercise:Sparse_Autoencoder上的exercise
zhaofenqiang·2020-07-05 11:44

【UFLDL】softmax+logistics

如果你在开发一个音乐分类的应用，需要对k种类型的音乐进行识别，那么是选择使用softmax分类器呢，还是使用logistic回归算法建立k个独立的二元分类器呢？这一选择取决于你的类别之间是否互斥，例如，如果你有四个类别的音乐，分别为：古典音乐、乡村音乐、摇滚乐和爵士乐，那么你可以假设每个训练样本只会被打上一个标签（即：一首歌只能属于这四种音乐类型的其中一种），此时你应该使用类别数k=4的softm
lvsolo·2020-07-04 23:21

深度学习个人总结之四----自编码算法（AutoEncoder）

本篇文章主要参考了以下内容：1.http://blog.csdn.net/zouxy09/article/details/87755242.http://ufldl.stanford.edu/wiki/
kevin_baixy·2020-07-04 20:53

深度学习模型---稀疏编码 Sparse Coding

前言本文的理论部分主要整理自UFLDL的“SparseCoding”章节和一些经典教材，同时也参考了网上的一些经典博客，包含了SparseCoding的一些基本概念、优化方法、数学推导和应用场景，供读者参考
女王の专属领地·2020-07-04 06:50

机器学习与数据挖掘、计算机视觉方法资料汇总（永久更新）

后文提到的主要资料书籍汇总：NgCS229：斯坦福AndrewNg机器学习课程，网易公开课和coursera上都有视频；UFLDL教程：AndrewNg深度学习教程：http://deeplearning.stanford.edu
slim1017·2020-07-04 02:32

深度学习中的数据预处理方法

本文主要讲深度学习中的数据预处理方法，主要参考NG的UFLDL教程以及其他一些博客和论文进行总结，UFLDL数据预处理教程链接为http://deeplearning.stanford.edu/wiki
David-Chow·2020-07-02 16:32

AI相关 资料库，值得收藏

DeepLearning（深度学习）ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二Bengio
木子月月·2020-07-02 09:10

http://www.cnblogs.com/tornadomeet/archive/2012/05/24/2515980.html

转载：DeepLearning（深度学习）：ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：
夏天下雨·2020-07-01 21:32

大白话讲解BP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
这孩子谁懂哈·2020-06-30 15:57

卷积神经网络（一）：LeNet5的基本结构

本文将参考UFLDL和DEEPLEARNING.NET的教程，结合自己的理解，梳理一下卷积神经网络的构成以及其BP算法的求解。
轩辕森·2020-06-30 03:44

如何学习CNN,RNN和DNN这些模型

1、http://ufldl.stanford.edu/wiki/index.php/UFLDL教程这是我最开始接触神经网络时看的资料，把这个仔细研究完会对神经网络的模型以及如何训练（反向
Orchid_YL·2020-06-29 07:13

一文弄懂神经网络中的反向传播法——BackPropagation

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
weixin_42774642·2020-06-29 06:50

本人常用资源整理(ing...)

DeepLearning（深度学习）：ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二Bengio
weixin_34248023·2020-06-28 14:23

【转】本人常用资源整理

本人常用资源整理(ing...)DeepLearning（深度学习）：ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，
weixin_33834075·2020-06-28 06:17

一文弄懂神经网络中的反向传播法——BackPropagation

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
weixin_30757793·2020-06-28 00:13

计算机视觉牛人的网站

zouxy09peghoty的博客http://blog.csdn.net/itplusUFLDL教程（中文）http://deeplearning.stanford.edu/wiki/index.php/UFLDL
张小牙·2020-06-26 04:57

卷积神经网络(CNN)的训练及代码实现

http://blog.csdn.net/zouxy09/article/details/9993371以及斯坦福大学深度学习教程：http://ufldl.stanford.edu/wiki/index.php
Jay_Sherry·2020-06-26 04:57

batch normalization

白化（sphering）参考http://ufldl.stanford.edu/wiki/index.php/%E7%99%BD%E5%8C%96举例来说，假设训练数据是图像，由于图像中相邻像素之间具有很强的相关性
intelligence1994·2020-06-23 18:52

常用资源整理

DeepLearning（深度学习）：ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二Bengio
致守·2020-06-21 08:51

自编码算法与稀疏性

[+]转自ufldl，原文地址：http://deeplearning.stanford.edu/wiki/index.php/%E8%87%AA%E7%BC%96%E7%A0%81%E7%AE%97%
hzyido·2020-03-25 21:48

深度学习教程汇总

前言在学习深度学习的过程中查阅到了许多资料，为了方便日后查看此处简单汇总一下理论CS231n课程官方翻译：知乎专栏：智能单元深度学习大讲堂:知乎专栏：深度学习大讲堂UFLDL教程：UFLDLMichaelNielsen
monitor1379·2020-03-14 16:04

UFLDL学习笔记：Logistic Regression

导师介绍的课程UFLDL（UnsupervisedFeatureLearningandDeepLearning）。
MrRed·2020-02-18 02:28

理论基础

参考文献：http://blog.csdn.net/lu597203933/article/details/46575779http://ufldl.stanford.edu/wiki/index.php
小幸运Q·2020-01-06 00:18

softmax回归

softmax回归原文：http://ufldl.stanford.edu/wiki/index.php/Softmax%E5%9B%9E%E5%BD%92#column-oneSoftmax回归vs.k
cuizixin·2019-11-03 22:59

深度学习教程-UFLDL教程

首先是PDF：UFLDL教程.pdfhttps://max.book118.com/html/2018/0302/155436746.shtm吴恩达的机器学习：http://openclassroom.stanford.edu
知识在于分享·2019-06-21 11:33

计算机视觉库

如果发现有新的库，可以推荐我加进来转自：http://www.cnblogs.com/tornadomeet/archive/2012/05/24/2515980.htmlDeepLearning（深度学习）：ufldl
一坨向日葵·2019-05-13 10:44
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他