DL：Sparse autoencoder之初步学习参考资料

最新推荐文章于 2017-09-10 01:27:00 发布
最新推荐文章于 2017-09-10 01:27:00 发布
阅读量709 收藏
点赞数
分类专栏： Deep learning Matlab 文章标签： 机器学习 斯坦福大学 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/oMengLiShuiXiang1234/article/details/49409691
版权

之前的两周对autoencoder 进行了初步的学习，对于一个对神经网络没有基础的我来说，前两周有够头疼的。现在把学习的流程记录一下。 老师直接给了个sparse autoencoder的英文课程文档 英文课程文档下载地址，看英文文档是比较头疼的一件事，所以开始找各种网络资源。发现个学习机器学习比较好的网站，上面有斯坦福大学 Andrew Ng课程的大部分资源，并且已经可以翻译成中文 UFLDL教程地址。

这里写图片描述
这里写图片描述
这里写图片描述

看完这里面的链接内容，就能大体了解什么是神经网络、什么是自编码，然后再去看英文文档了解的就会比较透彻了。

了解了基本的内容，主要还是通过代码来加深对整个工作流程的了解，详细代码下载地址 。 还查到一个大牛博客，里面整理了各种机器学习的资料，也记录一下吧，免得以后找不到了博客地址（含各种关于机器学习的知识点、代码整理）

happy_XYY
关注
专栏目录
CS294A Lecture notes Sparse autoencoder （稀疏自编码器课程讲义，吴恩达）
11-20
在吴恩达教授撰写的CS294A课程讲义中，关于“稀疏自编码器”的知识点涵盖了深度学习和神经网络的核心概念，特别是关于自编码器如何从无标签数据中自动学习特征表征。 首先，讲义中提到了有监督学习的重要性。在人工...
Sparse Autoencoder学习笔记
ls317842927的博客
11-14 809
神经网络是监督学习，自编码算法是非监督学习，只有没有标签的训练样本集{x(1),x(2),x(3),...}\left \{ x^{(1)}, x^{(2)},x^{(3)},...\right \}。自编码算法可以学习到输入特征的压缩表达，当输入是完全随机的，即每个特征都是独立的且服从同一个高斯分布，那么这个压缩任务将会非常难，但是如果有一些输入特征是互相关联的，那么自编码算法将会发现这些关联。
Deep learning：八(Sparse Autoencoder)
weixin_34326558的博客
03-19 339
  　　前言： 　　这节课来学习下Deep learning领域比较出名的一类算法——sparse autoencoder，即稀疏模式的自动编码。我们知道，deep learning也叫做unsupervised learning，所以这里的sparse autoencoder也应是无监督的。按照前面的博文：Deep learning：一(基础知识_1)，Deep learning：七(基础知...
Sparse Autoencoder
chuange6363的博客
09-10 295
自编码器 Autoencoder 稀疏自编码器 Sparse Autoencoder 降噪自编码器 Denoising Autoencoder 堆叠自编码器 Stacked Autoencoder 稀疏自编码器可以看做是自编码器的一个变种，它的作用是给隐藏神经元...
Deep learning：(Sparse Autoencoder)
ytlcainiao的专栏
05-26 1599
前言： 　　这节课来学习下Deep learning领域比较出名的一类算法——sparse autoencoder，即稀疏模式的自动编码。我们知道，deep learning也叫做unsupervised learning，所以这里的sparse autoencoder也应是无监督的。按照前面的博文：Deep learning：一(基础知识_1)，Deep learning：七(基础知识_2
深度学习之autoencoder
热门推荐
changyuanchn的专栏
11-12 6万+
1）autoencoder autoencoder是一种无监督的学习算法，他利用反向传播算法，让目标值等于输入值。如图所示： Autoencoder尝试学习一个 的函数。也就是说autoencoder尝试逼近一个恒等函数，使得输出 接近于输入 。当然为了使这个函数有意义，需要加入一些限制条件（比如说限制隐藏神经元的数目），就可以发现一些有意义的结构。Autoencoder可
sparse autoencoder
10-26
**稀疏自动编码器（Sparse Autoencoder）** 稀疏自动编码器是深度学习中的一个特殊类型，属于无监督学习方法，主要用于特征学习和降维。它由两部分组成：编码器（Encoder）和解码器（Decoder）。在训练过程中，自动...
UFLDL exercise1 Sparse Autoencoder
04-09
稀疏自动编码器（Sparse Autoencoder）是无监督学习中的一个重要概念，尤其在深度学习领域，它在特征学习和数据降维方面有着广泛的应用。在这个UFLDL的练习中，我们将会深入理解并实践如何构建一个稀疏自动编码器...
【面向代码】学习 Deep Learning（四） Stacked Auto-Encoders(SAE)
Kylin-Xu的专栏
12-12 2368
今天介绍的呢是DL另一个非常重要的模型：SAE 把这个放在最后来说呢，主要是因为在UFLDL tutorial 里已经介绍得比较详细了，二来代码非常简单(在NN的基础之上) 先放一张autoencoder的基本结构： 基本意思就是一个隐藏层的神经网络，输入输出都是x，属于无监督学习 ==========================================
Autoencoder ,Sparse Coding ,Sparse autoencoder 简介
whiteinblue的专栏
06-24 4085
最近刚刚运行完成sparse coding；才解决了自己的困惑，以前学习完Sparse autoencoder从感觉这两个东西是“一丘之貉”；但是运行完成之后才发现他们两个有很大的不同，虽然都是对数据进行变换，但是二者的变换原理是完全不同的。详细的下面纤细介绍。 1.Autoencoder Autoencdoer这个概念最早应该是出自hinton在science杂志上发表的哪一篇开启深度学
深度学习与图像识别 图像检测
梦里水乡的专栏
11-25 6万+
主要是看了些关于深度学习图像识别和图像检测的论文，介绍了深度学习处理图像的优势
DL：Hopfield 神经网络
梦里水乡的专栏
10-31 1万+
Hopfield 神经网络（DHNN） 参考文档下载地址 1、简介         1982年，J．Hopfield提出了可用作联想存储器的互连网络，这个网络称为Hopfield网络模型，也称Hopfield模型。Hopfield神经网络模型是一种循环神经网络，从输出到输入有反馈连接。                 反馈神经网络由于其输出端又反
DL：RBM学习算法——Gibbs采样、变分方法、对比散度、模拟退火
梦里水乡的专栏
10-31 1万+
RBM学习方法 当前在对RBM 的研究中，典型的学习方法有Gibbs 采样(Gibbs sampling)算法，变分近似方法(variational approach)，对比散度(contrastive divergence,CD)算法，模拟退火(simulate annealing) 算法等。下面对这些方法进行对比。 1、Gibbs采样算法 （1）简介 G
DL：CDBN 及 CDBN的应用3D ShapeNets 学习笔记
梦里水乡的专栏
03-15 9276
最近看了论文  3D ShapeNets: A Deep Representation for Volumetric Shapes 将所学到的东西稍作整理。 有关论文 Abstract 解决用3D data进行object detection 和从2.5Dmaps中恢复出整个3Dshapes问题，根据CDBN网络提出了3D ShapeNet： （1）学习不同种类不同poses
DL：Convolutional Deep Belief Networks（CDBN） 代码（matlab）理解
梦里水乡的专栏
03-26 6940
最近看了论文CDBN 的论文和代码，现将对代码的理解稍作整理。 有关论文的一些网址： [1] CRBM http://qipeng.me/software/convolutional-rbm.html  [2] CRBM 论文笔记 http://www.cnblogs.com/lijingcong/p/4113143.html [3] CDBN paper http:/
DL：RBM 简介、网络结构
梦里水乡的专栏
10-31 6083
学习Hinton的stacke autoencoder算法（论文 Reducing the Dimensionality of Data with Neural Networks）之前需要了解什么是RBM，现在就我学习的情况，查找的资料，简单介绍一下RBM。（当然，这里面还有同组实验的同学提供的资料，借用一下。。。）   一、RBM的起源 首先简单介绍一下RBM。受限波尔兹曼机（Re
深度学习框架对比
梦里水乡的专栏
11-16 4392
PaddlePaddle 简单介绍 PArallel Distributed Deep Learning （并行分布式深度学习）  PaddlePaddle 是百度自主研发的性能优先、灵活易用的深度学习平台，是一个已经解决和将要解决一些实际问题的平台。已为百度内部多项产品提供深度学习算法支持，在深度学习框架方面，覆盖了搜索、图像识别、语音语义识别理解、情感分析、机器翻译、用户画像推荐等多领域的
数据结构精讲：Sparse Table与线段树算法
"湖南师大ACM之数据结构.pp" 在数据结构的学习中，特别是在算法竞赛如ACM（国际大学生程序设计竞赛）中，高效地处理区间查询问题是非常重要的。这里我们主要讨论两种方法：Sparse Table算法和线段树算法，它们都是...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值