chentianba-CSDN博客

翻译卷积神经Extracting and Composing Robust Features with Denoising Autoencoders

摘要:之前的工作已经知道深度模型生成或者识别模型的困难，可以通过无监督初始化解决，从而使的输入与中间的代表一一对应。我们对无监督学习表示介绍一个新的训练规则，是基于学习表示粗略用部分输入模式，这个方法可以用来训练自动编码，这个去噪编码，可以用来堆放初始化深度结构，这个算法可以被改进无论从多方面，信息增益生成模型，引言: 最近的理论研究表明，深度结构可能需要一个有效的复杂的分布，并且会

2015-12-24 16:55:27 2254

翻译深度学习，A fast learning algorithm for deep belief nets

5. 由上至下的反馈调节一次学习隐藏层的权重矩阵是有效的，但不是最优的，一旦高层隐藏层的权重学习过，对于较低的隐藏层，权重和简单的推理过程都不是最优的，这里简单的推理过程可以理解为整个网络结构。对有监督方法，像boosting，贪婪算法求得的局部最优解是具有引导作用的，bosting算法连接http://baike.baidu.com/link?url=1mPbBkvplrBJAoHDweI

2015-12-24 15:01:31 2692

原创深度学习

我们考虑一个问题就是，人类或者动物识别图像，称作为游戏，假设有一个图像变换器，共有100类图像，每次出现的时间长短不同，假设这些图像对于人来说都有基本相同的的诱惑，或者说特征没有特别明显的，那么人类对于图像的的印象深刻程度应该是时间的非线性函数，我们能够记忆多种图像并且进行分类，是由于我们能够记忆多类图像的特征，这也正是稀疏编码的站脚理论，应该是这样，所以一定存在一种模型是能够把图像提取为高维特整

2015-12-26 16:07:19 322

翻译统计量

样本来自总体，因此样本中包含总体信息，但信息较为分散，为此要把样本的信息集中起来，反应总体的各个特征，最常用的方法是构造样本函数，为此统计量定义：设： x1,x2,...,xn为样本，T则，，中不含有任何参数，则称T为统计量，统计量分布称为抽样分布。如：

2015-12-24 14:38:24 386

深度学习的厨师翻译

深度学习翻译构建一个对隐藏层网络，一次构建一层，用变分约束体现出，每增加新层，整个模型有所提高，这个贪婪地算法笨重的用相似一些弱学习者，来促进他。但是不是重新给每一个数据付权重，来保证下一步学习到新的东西，它从新代替他，弱学习者用来构造深层向导网络，这些网络是无向图模型。第5张展示了怎样用一个快速贪婪算法产生权重，这个贪婪算法可以通过up-down算法进行微调，这是一个对比版本的睡眠唤醒算法，这个算法并没有模型平均问题，这个问题能够ZA哦zaocheng 权重比较不好。

2015-12-31

光滑支持向量机的原理和进展_熊金志.caj

光滑支持向量机的原理和进展_熊金志.caj ，有关预测的

2014-11-29

时间序列icuhuanzh额

有关啊hi及ANXULIE,SHISHIJIANXULIEWEN，时间序列问题，

2014-11-29

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

翻译 卷积神经Extracting and Composing Robust Features with Denoising Autoencoders

翻译 深度学习，A fast learning algorithm for deep belief nets

原创 深度学习

翻译 统计量