深度学习教程_DeepLearning 0.1 documentation中文翻译

DeepLearning 0.1 documentation中文翻译：Deep Learning Tutorials_深度学习教程

原文网址：http://deeplearning.net/tutorial/index.html

---

Deep Learning 是机器学习研究的一个新的领域，引入的目的是使机器学习更接近于它原始的目标之一：人工智能。看这些课程笔记以对深度学习有一个初步的认识： brief introduction to Machine Learning for AI 和 introduction to Deep Learning algorithms。

深度学习学习事物的多级别的表达与抽象，这使得诸如图像，声音和文本这样的数据更加有意义。更多深度学习算法，参见：

• 专著或审核论文 Learning Deep Architectures for AI (Foundations & Trends in Machine Learning, 2009).
• The ICML 2009 Workshop on Learning Feature Hierarchies webpage has a list of references.
• The LISA public wiki has a reading list and a bibliography.
• Geoff Hinton has readings from 2009’s NIPS tutorial.

本教程将向你介绍最重要的一些深度学习算法，并向你展示如何使用Theano运行它们。Theano是一个Python库，它使深度学习模型的实现变得简单，并提供了在GPU上训练的选项。

使用这个算法教程，你应该了解Python，并熟悉numpy。由于本教程是关于如何使用Theano的，所以事先需要阅读：Theano basic tutorial。读完后，通读Getting Started（入门）一章 - 它介绍了符号，算法中使用的数据集（可下载），以及我们使用统计梯度下降法做优化的方法。

纯粹的有监督学习算法按照下面顺序阅读：

1. Logistic Regression（Logistic 回归） - 使用Theano的一个简单例子
2. Multilayer perceptron（多层感知器） -层级介绍
3. Deep Convolutional Network（深度卷积网络）- 一个LeNet5的简单版本

无监督和半监督的学习算法可以以任何顺序阅读（自编码器可以独立于RBM/DBN阅读）：

• Auto Encoders, Denoising Autoencoders（自编码器，去噪自编码器） - 自编码器描述
• Stacked Denoising Auto-Encoders（堆栈式自编码器） - 深度网络的无监督预训练的简单步骤
• Restricted Boltzmann Machines（受限玻尔兹曼机） -单层生成式RBM模型
• Deep Belief Networks（深度信念网络） -栈式RBMs的无监督生成式预训练后跟有监督的微调

针对mcRBM模型，请看新的关于从能量模型采样的教程:

• HMC Sampling（混合蒙特卡罗采样）-混合动力（又名汉密尔顿）蒙特卡洛采样 scan()

针对压缩型自编码器教程，有如下代码：

• Contractive auto-encoders code - 代码中有基础文档

递归神经网络文字嵌入和上下文窗口：

• Semantic Parsing of Speech using Recurrent Net

用于情感分析的LSTM网络（长短期记忆网络）:

• LSTM network

基于能量的递归神经网络（RNN-RBM）：

• Modeling and generating sequences of polyphonic music（和弦音乐序列的建模与生成）

---

---

DeepLearning 0.1 documentation中文翻译