Deep Learning
OcmRaZOR
这个作者很懒,什么都没留下…
展开
-
深度学习-LeCun、Bengio和Hinton的联合综述
摘要:最新的《Nature》杂志专门为“人工智能 + 机器人”开辟了一个专题 ,发表多篇相关论文,其中包括了LeCun、Bengio和Hinton首次合作的这篇综述文章“Deep Learning”。本文为该综述文章中文译文的上半部分。【编者按】三大牛Yann LeCun、Yoshua Bengio和Geoffrey Hinton在深度学习领域的地位无人不知。为纪念人工智能提出60周年转载 2015-06-02 10:40:38 · 2757 阅读 · 1 评论 -
七步精通Python机器学习
转自:http://datartisan.com/article/detail/66.html#rd七步精通Python机器学习开始。这是最容易令人丧失斗志的两个字。迈出第一步通常最艰难。当可以选择的方向太多时,就更让人两腿发软了。从哪里开始?本文旨在通过七个步骤,使用全部免费的线上资料,帮助新人获取最基本的 Python 机器学习知识,直至成为博学的机转载 2016-01-18 15:33:16 · 907 阅读 · 0 评论 -
Must Know Tips/Tricks in Deep Neural Networks (by Xiu-Shen Wei)
转自:http://lamda.nju.edu.cn/weixs/project/CNNTricks/CNNTricks.htmlMust Know Tips/Tricks in Deep Neural Networks (by Xiu-Shen Wei) Deep Neural Networks, especially Convolutiona转载 2015-11-17 09:50:20 · 1250 阅读 · 0 评论 -
【Yoshua Bengio 亲自解答】机器学习 81 个问题及答案 (部分)
【Yoshua Bengio 亲自解答】机器学习 81 个问题及答案 (部分) 新智元编译1来源:Quora译者:张巨岩 王婉婷 李宏菲 戴秋池这是 Quora 的最新节目,针对特定话题进行系列的问答。如果你不了解 Quora,可以把它看作美国版的知乎,不过里面大咖云集,奥巴马、Elon Musk、Bill Gates 都会在上面回答问题。转载 2016-01-25 08:43:51 · 7923 阅读 · 0 评论 -
神经网络浅讲:从神经元到深度学习
转自:http://www.cnblogs.com/subconscious/p/5058741.html神经网络浅讲:从神经元到深度学习神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向--深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法,同时也可以更好地帮助你理解深度学习技术。 本文以一种简单的,循序的方式讲解神经网络。适合转载 2016-01-13 15:27:52 · 1026 阅读 · 0 评论 -
机器学习算法中如何选取超参数:学习速率、正则项系数、minibatch size
转自:http://blog.csdn.net/u012162613/article/details/44265967本文是《Neural networks and deep learning》概览 中第三章的一部分,讲机器学习算法中,如何选取初始的超参数的值。学习速率(learning rate,η)运用梯度下降算法进行优化时,权重的更新规则中,在梯度转载 2015-10-15 09:35:23 · 658 阅读 · 0 评论 -
Caffe AlexNet网络
转自: http://blog.sina.com.cn/s/blog_eb3aea990102v47i.html在2012年的时候,Geoffrey和他学生Alex为了回应质疑者,在ImageNet的竞赛中出手了,刷新了image classification的记录,一举奠定了deep learning 在计算机视觉中的地位。后边的故事大家都知道了,deep learning一统天转载 2015-09-09 15:08:31 · 5069 阅读 · 0 评论 -
Random Ponderings - A Brief Overview of Deep Learning
转自:http://yyue.blogspot.com/2015/01/a-brief-overview-of-deep-learning.htmlA Brief Overview of Deep Learning(This is a guest post by Ilya Sutskever on the intuition behind deep learning转载 2015-05-22 15:50:26 · 1163 阅读 · 0 评论 -
在Windows下编译CAFFE并使用其matlab和python接口
转自:http://blog.csdn.net/happynear/article/details/45372231零、最近更新2015/05/29 发现上个版本的lmdb.lib使用了别人在vs2013下编译的版本,现改为vs2012版; 2015/05/29 添加了提取任意层特征的matlab接口,使用方法:OUTPUT = caffe('get_features',转载 2015-06-04 14:24:20 · 3429 阅读 · 0 评论 -
(R-CNN)Rich feature hierarchies for accurate object detection and semantic segmentation
文章:《Rich feature hierarchies for accurate object detection and semantic segmentation》 作者:Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik 单位:UC Berkeley ,CVPR2014? 是否开放代码:是 ,转载 2015-06-09 10:27:23 · 923 阅读 · 0 评论 -
(GoogLeNet)Going deeper with convolutions笔记
转自 http://www.gageet.com/2014/09203.phpGoing deeper with convolutions笔记ContentsAbstractIntroductionRelated WorkMotivation and High Level ConsiderationsArchitectural Detai转载 2015-05-25 11:00:11 · 4305 阅读 · 0 评论 -
图像识别中的深度学习
来源:《中国计算机学会通讯》第8期《专题》作者:王晓刚深度学习发展历史深度学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大成功。现有的深度学习模型属于神经网络。神经网络的起源可追溯到20世纪40年代,曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理解决各种机器学习问题。1986年,鲁梅转载 2015-08-13 10:23:52 · 3381 阅读 · 1 评论 -
从Theano到Lasagne:基于Python的深度学习的框架和库
转自:http://www.csdn.net/article/2015-08-01/2825362##1_804311562_10285摘要:最近,深度神经网络以“Deep Dreams”形式在网站中如雨后春笋般出现,或是像谷歌研究原创论文中描述的那样:Inceptionism。在这篇文章中,我们将讨论几个不同的深度学习框架,库以及工具。深度学习是机器学习和人工智能转载 2015-08-04 10:00:33 · 759 阅读 · 0 评论 -
深度卷积网络CNN与图像语义分割
转自:http://xiahouzuoxin.github.io/notes/html/深度卷积网络CNN与图像语义分割.html级别1:DL快速上手级别2:从Caffe着手实践级别3:读paper,网络Train起来级别4:Demo跑起来读一些源码玩玩熟悉Caffe接口,写Demo这是硬功夫分析各层Layer输出特征级别5:何不自己搭个CNN玩玩Train转载 2015-09-11 09:24:37 · 1256 阅读 · 0 评论 -
Very Deep Convolutional Networks for Large-Scale Image Recognition
转自:http://blog.csdn.net/stdcoutzyx/article/details/39736509这篇论文是今年9月份的论文[1],比较新,其中的观点感觉对卷积神经网络的参数调整大有指导作用,特总结之。关于卷积神经网络(Convolutional Neural Network, CNN),笔者后会作文阐述之,读者若心急则或可用谷歌百度一下。本文以下内容即是论文的笔记,笔转载 2015-09-11 10:10:47 · 589 阅读 · 0 评论