![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Deep Learning
文章平均质量分 91
情怀丶
这个作者很懒,什么都没留下…
展开
-
基于卷积神经网络的图像超分辨率[译文]
提出了一种基于卷积神经网络的单图像超分辨率方法。方法直接学习低/高分辨率图像之间的端对端映射。映射表现为一个深度卷积神经网络,它将低分辨率图像作为输入,将高分辨率图像作为输出。并进一步证明了传统的基于稀疏编码的SR方法可以被看做为CNN。但是不像传统的方法分开处理每个部件,我们的方法共同优化了所有的层。深度CNN有轻量的结构,但是也展现出先进的重建质量,并且在实际在线使用中展现了良好的速度。翻译 2017-03-07 15:24:29 · 25993 阅读 · 0 评论 -
LSTM-RNN 前向传播原理及 Python 实现
1.Forward propagation for the basic Recurrent Neural Network1.1 - RNN cell 1. 计算隐藏状态 : a⟨t⟩=tanh(Waaa⟨t−1⟩+Waxx⟨t⟩+ba)a⟨t⟩=tanh(Waaa⟨t−1⟩+Waxx⟨t⟩+ba)a^{\langle t \rangle} = \tanh(W_{aa} a^{\l...原创 2018-03-05 15:03:24 · 2632 阅读 · 0 评论 -
基于 LSTM 的 Character-Level 文本生成模型
1. 序列数据的生成步骤Deep learning 产生序列数据的方法一般是用 RNN 来预测下一个或者多个 token,比如说给定输入 “the cat is on the ma”,那么网络就会训练数据并且产生目标”t”,这里的 token 可以是一个词或者一个字符,任何 Deep Learning 的网络都可以给下一个 token 的概率建模,我们将这个网络训练出来的模型称为 “语言模型”...原创 2018-03-06 13:24:40 · 8132 阅读 · 1 评论 -
深度学习(CNN RNN)在文本分类中的应用
一、文本分类历史上世纪 50 年代:专家规则(pattern)上世纪 80 年代:知识工程建立专家系统上世纪 90年代后:统计学习方法,人工特征工程 + 浅层分类模型特征工程机器学习的目标是把数据转换成信息,再提炼到知识的过程。特征工程没有很强的通用性,主要要结合对特征任务的理解,主要分为,文本预处理、特征提取、文本表示,将文本转换为计算机可以理解的形式,封装能...原创 2018-05-25 08:55:08 · 8816 阅读 · 0 评论 -
在深度学习时代如何用 HowNet 搞事情 | 讲座笔记
本文时清华大学刘知远教授于 2018 年 5 月 26 日在中关村分享 HowNet 讲座时记录的笔记。 讲座详情:https://mp.weixin.qq.com/s/QyRGYU8-Fl4VcJFuUPhoTQ一、深度学习特点分布式表示层次结构 二、自然语言的表示自然语言包含从汉字到文档的多粒度语言单位,词汇、短语、句子、文档语义符号表示:词袋模型(one ...原创 2018-05-26 23:38:44 · 3576 阅读 · 0 评论