- 博客(4)
- 资源 (4)
- 收藏
- 关注
原创 机器学习系列(8):主成分分析(PCA)及白化(ZCA)
主成分分析(PCA)是一种数据降维算法。白化主要是降低输入特征的冗余性。假设X 是m*n的矩阵,由n个样本(m维特征)组成。现要对X 进行线性变换为另一个矩阵Y,使得Y消除了X各特征的相关性,即Y的协方差矩阵为对角矩阵。X变换到Y的线性变换公式为: Y=PX (1)则,YY’=PX(PX)’=PXX’P’ (2) 对XX’进行特征值分解,则XX’=QD
2014-07-31 17:45:11 2018
原创 Deep Learning 系列(4):稀疏编码(sparse coding)和主成分分析(ICA)
一直犹豫稀疏编码怎么写,来来回回看了好几遍的UFLDL。因为这不仅是DL深度学习的重要概念,也是我这段时间一直在研究的stacked ISA 深度特征学习的支柱。这章将主要介绍一下稀疏编码的主要概念,及主成分分析的方法。稀疏编码算法是一种无监督(unsupervised)学习方法,它用来寻找一组“超完备”基向量来更高效地表示样本数据。(设x的维数为n,则k>n)超完备基能更有效地找
2014-07-25 17:31:17 4947 3
原创 Deep Learning 系列(3):CNN(卷积神经网络)
早就想写CNN的博文了,最近刚好有空。总体来说,CNN框架不难理解,关键是里面的实现细节值得思考。初次了解,可以先看看UFLDL教程中的Convolution和Pooling。这基本上是CNN的核心。简单理解:Convolution即用一个滑动的小窗口去卷积一个大的图像。 Pooling 即滑动的小窗口各权值为1/m (m 为权值个数)。另外,在pooling中
2014-07-22 20:33:44 2999
原创 Deep Learning 系列(2):NN(神经网络)及反向传播算法
前一章介绍了Deep Learning 中DBN算法(DL 系列一),发现当参数W经过stacked RBM 后,还需要Supervised Learning,即NN来优化参数。然而怎样去优化呢?参见 UFLDL教程之神经网络与反向传导算法,以及Dark_Scope 的NN代码解读。本章将结合DBN与NN的算法推导以及代码,针对重点作讲解。代码下载:DeepLearnToolb
2014-07-21 22:01:59 3477
Deep Learning 经典文章与代码(matlab)
2014-07-22
sift与surf算子经典代码,基于opencv的c++代码及文档
2011-12-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人