- 博客(8)
- 资源 (3)
- 收藏
- 关注
转载 Convolutional Neural Networks卷积神经网络
Convolutional Neural Networks卷积神经网络 卷积神经网络是人工神经网络的一种,已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络,降低了网络模型的复杂度,减少了权值的数量。该优点在网络的输入是多维图像时表现的更为明显,使图像可以直接作为网络的输入,避免了传统识别算法中复杂的特征提取和数据重建过程。卷积网络是为识别
2014-11-24 12:48:12
579
转载 CNN代码理解
cnnexamples.mclear all; close all; clc;addpath('../data');addpath('../util');load mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,2
2014-11-24 12:37:24
1183
转载 《What is the Best Multi-Stage Architecture for Object Recognition?》
对目标识别怎样的多级架构Multi-Stage Architecture还是最好的?在当前的很多目标识别系统中,特征提取阶段一般由一组滤波器,再进行非线性变换和一些类型的特征pooling层组成。大部分系统都使用一级特征提取,这时候的滤波器是hard-wired(人工选择的,硬连线的,参数不可学习调整)的,或者使用两级,这时候其中的一级或者两级的滤波器都可以通过监督或者非监督的方式学习得到。
2014-11-24 12:25:29
450
转载 《Notes on Convolutional Neural Networks》
一、介绍 这个文档讨论的是CNNs的推导和实现。CNN架构的连接比权值要多很多,这实际上就隐含着实现了某种形式的规则化。这种特别的网络假定了我们希望通过数据驱动的方式学习到一些滤波器,作为提取输入的特征的一种方法。 本文中,我们先对训练全连接网络的经典BP算法做一个描述,然后推导2D CNN网络的卷积层和子采样层的BP权值更新方法。在推导过程中,我们
2014-11-24 12:23:23
725
原创 学习笔记(2)Deep Learning
Deep learning需要多层来获得更抽象的特征表达。那么多少层合适呢?用什么架构来建模呢?怎么进行非监督训练呢?
2014-11-18 21:05:51
419
转载 为Matlab添加工具包
首先说说添加到matlab搜索路径好处:1 对 n——你只需要存储一个副本,就可以在其他地方使用。具体来说,假设你在数据盘D上新建了两个目录abc和def,这两个工程(每个目录下的所有程序相应地称为一个工程)都需要调用同一个(些)函数(简称工具箱),这时候,如果你没有把该工具箱添加到matlab的搜索路径下,则需要分别把工具箱中所有用到的文件都复制到目录abc和def下才能正确运行。这显然浪费空间
2014-11-12 22:35:06
914
转载 学习笔记(1)Deep Learning
机器学习虽然发展了几十年,但还是存在很多没有良好解决的问题: 例如图像识别、语音识别、自然语言理解、天气预测、基因表达、内容推荐等等。目前我们通过机器学习去解决这些问题的思路都是这样的(以视觉感知为例子): 从开始的通过传感器(例如CMOS)来获得数据。然后经过预处理、特征提取、特征选择,再到推理、预测或者识别。最
2014-11-04 15:07:23
527
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人