![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
毛脸喵喵_X
这个作者很懒,什么都没留下…
展开
-
梳理深度学习论文(一)
Alexnet2013年 Hinton大牛提出 60 million parameters + 650000 neuron 五层卷积层(有些后面有池化层)+三层全连接层+1000路softmax层 提出了ReLU比tanh要快的说法 ReLU可以不需要进行归一化,但Local Response Normalization依然有帮助 将模型top1和top5的错误率分别降低了1.4%和1.2%。原创 2017-04-04 15:48:16 · 771 阅读 · 0 评论 -
TensorFlow学习(一)入门
TensorFlow学习之入门原创 2017-03-02 14:39:36 · 385 阅读 · 0 评论 -
深度卷积生成式对抗网络,Deep Convolutional Generative Adversarial Nerworks
无监督学习的方法:聚类、自编码、深度置信网络生成自然图像的各类方式: 1. 非参数~The non-parametric models often do matching from a database of existing images, often matching patches of images常用领域是纹理合成,超分辨率和图像修复。 2. 参数~A variational samp原创 2017-07-16 14:53:50 · 1319 阅读 · 0 评论 -
transfer learning+EEG(一)
问题所在——the applications of BCls are seriously hindered by the time consuming calibrations repeated before each use. EEG要进行校准(??) 原因1:脑电维度高又有噪声(边缘分布和条件分布在小样本情况下计算不出) 机器学习还是要看的! 原因2:受试者在实验过程中的脑电信号不稳定(原创 2017-11-20 10:59:22 · 904 阅读 · 0 评论