深度学习
文章平均质量分 69
RAO_OO
这个作者很懒,什么都没留下…
展开
-
机器学习算法概述以及分类
近期看了斯坦福大学《机器学习》的公开课第一件和网上的相关资料,将各种机器学习算法分类汇总如下: 机器学习的算法很多。很多时候困惑人们都是,很多算法是一类算法,而有些算法又是从其他算法中延伸出来的。这里,我们从两个方面来给大家介绍,第一个方面是学习的方式,第二个方面是算法的类似性。本文来自IT经理网。学习方式 根据数据类转载 2017-08-09 17:17:18 · 594 阅读 · 0 评论 -
神经网络和深度学习(二)——BP(Backpropagation Algorithm, 反向传播算法)
上一周主要看了 Neural Networks and Deep Learning 网上在线课程的第二章的内容 和 斯坦福大学 《机器学习》的公开课,学习了BP( Back Propagation Algorithm, 反向传播算法)。现在总结如下: 只要使用神经网络就会用到BP算法,反向传播算法可以用来学习神经网络的权值,仍然采用梯度下降算法,以最小化网络的实际转载 2017-08-09 18:53:32 · 770 阅读 · 0 评论 -
神经网络和深度学习(一)
这两天看了 Neural Networks and Deep Learning 网上在线书目的第一章的内容 和 斯坦福大学 《机器学习》的公开课,学习了两种主要的神经网络结构和机器学习中重要的算法——随机梯度下降算法。现在总结如下: 一个计算模型要划分为神经网络,通常需要大量彼此连接的节点(神经元),具有两个特特性: 1.每个神经元通转载 2017-08-09 17:37:33 · 520 阅读 · 0 评论 -
CNN(卷积神经网络)概述
过去几年,深度学习(Deep learning)在解决诸如视觉识别(visual recognition)、语音识别(speech recognition)和自然语言处理(natural language processing)等很多问题方面都表现出非常好的性能。在不同类型的深度神经网络当中,卷积神经网络是得到最深入研究的。早期由于缺乏训练数据和计算能力,要在不产生过拟合(overfittin转载 2017-08-09 18:55:33 · 4619 阅读 · 0 评论 -
用于高光谱图像分类的深度卷积神经网络
用于高光谱图像分类的深度卷积神经网络 摘要:近来,卷积神经网络已经在各种视觉任务中表现出优异的性能,包括常见二维图像的分类。 在本文中,采用深卷积神经网络直接在光谱域中对高光谱图像进行分类。更具体地,所提出的分类器的架构包含权重的五层,其中是输入层,卷积层,最大池层,完整连接层和输出层。 在每个光谱签名上实现这五个层以区别于其他光谱。 基于几个高光谱图像数据集的实验结果表明,所提出的翻译 2017-08-30 09:51:51 · 7626 阅读 · 1 评论