深度学习算法原理与代码剖析
经典的神经网络算法讲解,如感知机、自编码、CNN、RNN、LSTM、RBM、NADE、AN、AM等一些模型,同时对代码进行剖析
HFUT_qianyang
刘老师指示:学如逆水行舟,不进则退;心似平原跑马,易放难收。不能放松,继续!
展开
-
深度学习笔记--多层感知器以及BP算法
简介多层感知器,是指包含1个或多个隐层的前馈神经网络。前馈神经网络的特点:第0层为输入层,最后一层为输出层,中间层为隐层。整个网络无反馈,信号从输入层向输出层单向传播,整个网络为有向无环图。激活函数多使用连续非线性函数,如logistic函数。 3.激活函数多使用连续非线性函数,如logistic函数。可看成多层logistic回归模型的组合。具有解决复杂模式分类的能力,解决简单...原创 2019-01-15 21:54:53 · 20036 阅读 · 2 评论 -
gensim训练word2vec并使用PCA实现二维可视化
在Word Embeddings的原始论文中,其中有一块可视化使用的是PCA展示数据。如下图所示:原始论文为:Mikolov T, Sutskever I, Chen K, et al. Distributed representations of words and phrases and their compositionality[C]//Advances in neural infor...原创 2019-01-11 20:36:34 · 7232 阅读 · 3 评论 -
深度学习笔记--单层感知机原理及代码实现
python3实现简单的感知器下面使用python3实现or运算:#-*- coding:utf-8 -*-from functools import reduceclass Perceptron(object): def __init__(self, input_num, activator): ''' 初始化感知器,设置输入...原创 2019-01-11 10:31:29 · 3882 阅读 · 0 评论 -
使用deeplearning4j训练Doc2Vec(文档向量)
本文作者:合肥工业大学 管理学院 钱洋 email:1563178220@qq.com 内容可能有不到之处,欢迎交流。未经本人允许禁止转载。在上一小节中,本人介绍了使用DeepLearning4J训练得到词向量(https://blog.csdn.net/qy20115549/article/details/82152462)。本篇主要介绍给定任意文本数据(分词后的数据),如何使用Deep...原创 2018-08-28 21:30:37 · 2974 阅读 · 0 评论 -
使用deeplearning4j训练Word2Vec(Java操作)
DeepLearning4J(DL4J)是一套基于Java语言的神经网络工具包,可以构建、定型和部署神经网络。本文训练的数据集是deeplearning4j中的自带数据集,数据表示如下: 对应的Word2Vec操作程序如下:package org.deeplearning4j.examples.nlp.word2vec;import org.deeplearning4j....原创 2018-08-28 18:23:53 · 4409 阅读 · 2 评论 -
gensim实现Doc2Vec和Word2Vec
在处理文本时,经常需要将其转化成向量的形式,然后去做分类和聚类,而word2vec和doc2vec方法是一种较为常用的方法。 在python的gensim包中实现了这两种算法,为了以后个人使用方便,这里写成博客,以供翻阅。 以下为数据集的形式: 每一行的每一个数字表示词的编号,这里也可以用具体的词。且数据保存在工程的/data/test.txt文本里。以下为Doc2vec的处理程...原创 2018-08-28 10:56:37 · 2686 阅读 · 3 评论 -
keras手写数字识别--入门
程序由于mnist数据集直接使用(x_train, y_train), (x_test, y_test) = mnist.load_data()这种加载方式,有时候由于网络原因,很难加载成功。为此,可以直接通过地址其地址下载下来。然后使用numpy加载一下数据就行。# -*- coding: utf-8 -*-import keras# from keras.datasets import mn原创 2018-05-08 16:11:08 · 6747 阅读 · 1 评论 -
深度学习相关论文
本博客用于记录自己平时收集的一些不错的深度学习论文,近9成的文章都是引用量3位数以上的论文,剩下少部分来自个人喜好,本博客将伴随着我的研究生涯长期更新,如有错误或者推荐文章烦请私信。本文为转载文章,原文地址为:https://blog.csdn.net/qq_21190081/article/details/69564634深度学习书籍和入门资源LeCun Y, Bengio Y, Hinton转载 2018-05-05 09:16:45 · 1002 阅读 · 0 评论