Programing Exercise
文章平均质量分 94
Danieljf24
这个作者很懒,什么都没留下…
展开
-
UFLDL——Exercise: Stacked Autoencoders栈式自编码算法
实验要求可以参考deeplearning的tutorial, Exercise: Implement deep networks for digit classification 。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)原创 2014-12-14 17:08:41 · 3847 阅读 · 3 评论 -
UFLDL——Exercise: PCA in 2D 主成分分析
实验要求可以参考deeplearning的tutorial, Exercise: PCA in 2D。 1. 实验描述:实验在二维数据上进行PCA降维,PCA白化处理,以及ZCA白化处理,原理可以参考之间的博客,下面直接贴代码。 在实验中,我计算了每一次原始数据,PCA旋转,PCA白化处理,以及ZCA白化处理后的协方差矩阵,结果为:计算协方差我使用了原创 2014-12-25 16:24:12 · 1743 阅读 · 0 评论 -
UFLDL——Exercise: Sparse Autoencoder 稀疏自动编码
实验要求可以参考deeplearning的tutorial,Exercise:Sparse Autoencoder。稀疏自动编码的原理可以参照之前的博文,神经网络, 稀疏自动编码 。1. 神经网络结构:实验是实现三层的稀疏自动编码神经网络,神经网络结构包括输入层64个neuron,隐含层25个neuron(都不包括bias结点),输出层和输入层相同的neuron原创 2014-12-09 21:48:03 · 3204 阅读 · 1 评论 -
UFLDL——Exercise: Softmax Regression (softmax回归)
实验要求可以参考deeplearning的tutorial,Exercise:Softmax Regression ,softmax回归的原理可以参照之前Logistic and Softmax Regression (逻辑回归和Softmax回归)博文,本实验实现对手写数字0-9的识别。1. 实验描述神经网络结构:在之前的博文中谈到,softmax回归是最神原创 2014-12-13 16:48:05 · 2193 阅读 · 0 评论 -
UFLDL——Exercise:Self-Taught Learning 自我学习
实验要求可以参考deeplearning的tutorial, Exercise:Self-Taught Learning 。本实验和上一个实验一样都是对手写数字0-9的识别,区别在于上一个实验直接把原始图像的像素值作为特征输入到softmax回归进行分类,而本实验通过自学习从原始像素值从学习到维度更低的特征(稀疏自动编码),再交给softmax回归,相当于比之前的实验多了自学习特征的步骤原创 2014-12-13 20:42:23 · 2065 阅读 · 0 评论 -
UFLDL——Exercise: Linear Decoders 线性解码器
本实验是用线性解码器的sparse autoencoder来训练stl-10数据库图片中8*8大小RGB patch块的特征。之前的试验中,我们的训练图像都是灰度图像,对于RGB图像可以采用相同的方法,只需把RGB图像的三个通道向量按照rgb的顺序排列更长的向量即可。1、 线性解码器简介线性解码器和稀疏自动编码的整体结构都是类似的,只是线性解码器的输出层的激励函数为恒等式f原创 2015-01-01 15:24:26 · 2155 阅读 · 0 评论 -
UFLDL——Exercise: Convolution and Pooling 卷积和池化
实验要求可以参考deep learning的tutorial,Exercise:Convolution and Poling 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sof原创 2015-01-01 22:37:25 · 3221 阅读 · 3 评论