- 博客(7)
- 资源 (4)
- 收藏
- 关注
原创 exponential family
在机器学习中,几乎到处都可以见到exponential family的影子。从伯努利分布,高斯分布,logistic回归,最大熵,都与exponential family息息相关。找了很久的资料,后来发现来自【1】中的讲解最好最清楚。本文是对其的摘录和理解。exponential family定义其中pdf指probability density function, pmf
2013-11-26 19:04:01 4301 1
原创 Deep Learning 开发工具Theano安装配置
Theano是一个非常好的Deep Learning工具。按照官网的教程配置出了点问题,捣鼓了很久总结如下。官网指南:http://deeplearning.net/software/theano/install.html#install安装Theano我的环境:64位 windows 71. 安装Anaconda,这是一个python的超集,里面包含了python2.7,
2013-11-26 13:45:55 7193
原创 卷积神经网络CNN
近来在了解深度学习。深度神经网络的一大特点就是含有多隐含层。卷积神经网络(CNN)算是深度神经网的前身了,在手写数字识别上在90年代初就已经达到了商用的程度。本文中将简要介绍CNN,由于相应的博文资料已经很多,也写的很好,本篇最有价值的是参考资料部分。前向神经网络数字识别假设我们的图片是28*28像素的,使用最简单的神经网络进行识别,如图1图1输入层是像素值(一般使用黑
2013-11-23 18:02:29 3467 1
原创 TDNN时延神经网络
近来在了解卷积神经网络(CNN),后来查到CNN是受语音信号处理中时延神经网络(TDNN)影响而发明的。本篇的大部分内容都来自关于TDNN原始文献【1】的理解和整理。普通神经网络识别音素在讲TDNN之前先说说一般的神经网络的是怎样识别音素的吧。假设要识别三个辅音"B", "D", "G",那么我们可以设计这样的神经网络:图1其中输入0-12代表每一帧的特征向量(如1
2013-11-23 11:14:44 37352 5
原创 SOM自组织神经网络
SOM自组织神经网络是神经网络的一种。个人感觉属于仿生学的一种方法。这种网络是基于生理学和脑科学研究成果提出的。与前向神经网络不同,它是一种无监督的学习。适用于数据聚类。应用:数据聚类,数据降维(如映射高维数据到2维平面)SOM自组织神经网络是两层结构,包括输入层和竞争层。为什么要用这种结构?因为Kohonen根据生理学的发现,认为神经网络在接受外界输入时,将会分成不同的区域,不同的区域对
2013-11-22 14:00:59 26767
原创 最大熵模型
最大熵模型一直困惑了我很久,直到最近看了exponential family才明白。最大熵解的形式属于exponential family。第一部分首先考虑一个问题:给定一些样本,求估计p(x)的分布。根据最大熵模型,这个问题可以写成最优化问题:其中为经验分布,表示样本中X=x出现的概率。下面给出最大熵的大白话定义:为了估计随机变量p(x)的分布,在给定限制
2013-11-20 11:49:53 3432
原创 充分统计量
参考以下链接:http://liuhongxun.blog.163.com/blog/static/98763420064141052500/http://wenku.baidu.com/link?url=RTUMj4vYenz69ycdNe0qlvS701gVAoDt0v3XKvWdfvwtUd_41HWYGXjI05dJcTFiNE2CuThx8yvJOV2XTPK-zGuhSVZ
2013-11-19 17:17:20 1134
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人