![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文笔记
文章平均质量分 91
Sky dream
这个作者很懒,什么都没留下…
展开
-
论文笔记:Dropout is a special case of the stochastic delta rule: faster and more accurate deep learning
文章摘要:在这篇论文中,作者提出Hinton团队提出的Dropout使神经元按一定概率失活的算法只是一种服从二项式分布的特例。使用一种更为古老的算法SDR能实现广义上的Dropout,取得更好的效果。作者用神经元权重的连续分布替换了原先的01分布。SDR算法定义神经网络中的每个权值为一个服从均值为µwij,方差为σwij的随机变量,每次网络权值从该分布中随机取样来做前向计算,从而形成指数级别个潜在...原创 2019-03-03 15:22:13 · 537 阅读 · 0 评论 -
论文笔记:《Playing Atari with Deep Reinforcement Learning》
文章摘要:本文是第一篇使用深度学习和强化学习结合起来的模型的论文。作者采用CNN作为深度学习模型,结合Q-Learning强化学习算法进行训练。CNN的输入为高维原始像素,输出为估计期望奖赏的估值函数。通过本文训练的神经网络在7个Atari 2600游戏上的得分有6个胜过了以往最好方法,有3个游戏超过了人类专家。深度学习与强化学习的结合:一方面,强化学习在视频和语音方面的主要困难在于...原创 2019-03-07 17:54:20 · 1215 阅读 · 0 评论 -
continouns dropout论文笔记
本文主要观点:Dropout方法提出使隐藏层的神经元以50%的概率被丢弃,其输出为零且相应权值在本次迭代中不被训练,从而避免模型在数据集较小情况下的过拟合问题。对于训练一个n层的隐藏层,其潜在规模的神经元集合为2^n个。本文提出了continouns dropout的方法,神经元的丢弃概率不再服从Bernoulli的01分布,而是使其服从连续的概率分布,如Uniform或Guassian,更好地避...原创 2019-04-01 22:56:19 · 285 阅读 · 0 评论 -
Rectangling Panoramic Images via Warping算法要点分析
算法流程:1.利用seam carving对不规则的全景图像做矩形化处理,同时记录每个像素点的位移。2.在局部变形后的矩形图上添加grid mesh。3.根据每个像素点的位移,还原原图像的grid mesh。4.定义能量函数,最小化能量函数来优化grid mesh。5.根据全局变形的grid mesh生成最终图像。Seam Carving:具体过程:这里的seam...原创 2019-06-28 18:50:19 · 2653 阅读 · 0 评论