Deep learning--------------Independent Component Analysis(ICA)

最新推荐文章于 2021-06-09 16:14:12 发布
VIP文章 最新推荐文章于 2021-06-09 16:14:12 发布
阅读量799 收藏 1
点赞数
分类专栏： Deep Learning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u012796064/article/details/17147985
版权

在sparse coding模型中，学习到的基是超完备集的，也就是说基集中基的个数比数据的维数还要大，那么对一个数据而言，将其分解为基的线性组合时，这些基之间本身就是线性相关的。如果我们想要得到线性无关的基集，那么基集中元素的个数必须小于或等于样本的维数，本节所讲的ICA（Independent Component Analysis，独立成分分析）模型就可以完成这一要求，它学习到的基之间不仅保证线性无关，还保证了相互正交。本节主要参考的资料见：Independent Component Analysis

最低0.47元/天 解锁文章
jingruixiaozhuang
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ICA.rar_ICA_ICA文章_ICA综述_ica-svm
09-22
这是一篇介绍ica的综述文章，写的很全面。
citrix-icaclient-fedora:Fedora上的Citrix Receiver
04-29
Fedora上的Citrix ICA客户端 通过此容器映像，您可以通过SSH连接在Fedora容器中的Firefox浏览上使用 。 要构建容器，请运行： $ git clone https://github.com/dawud/citrix-icaclient-fedora.git $ cd citrix-icaclient-fedora $ sudo buildah bud \ --build-arg=BYOD=https://byod.foo.com/ \ --label=build-date=$(date -Ins) \ --label=release-date=$(date -Ins) \ --label=vcs-ref=$(git rev-parse HEAD) \ --tag="multicats/citrix-icaclient-f
EASI.rar_EASI_EASI算法_ica-r_jade
09-20
ICA算法中EASI算法的程序，以前在网上下的
深度学习入门整理学习（二）
qq_42746595的博客
01-23 1890
深度学习入门 深度学习横跨矩阵论、概率论与数理统计、信息论、博弈论、最优化等理论，并融合机器学习、数据挖掘、大数据、人工智能等领域技术，是具有深度和广度的综合范例 数学基础 矩阵论 （1）正交矩阵 A为n阶方阵 如果矩阵A和矩阵A的转置矩阵相乘结果为n阶单位矩阵 正交矩阵在矩阵变换、对角化等方面发挥重要的作用。 （2）矩阵的行列式 矩阵A的行列式定义为 n为该排列的逆序数，k1,k2,k3…kn...
AI-图书馆（一）
ailib的博客
07-20 2591
AI、计算机视觉、深度学习知识整理库
计算机视觉论文-2021-06-08
中科院AI算法工程师的博客
06-09 3432
本专栏是计算机视觉方向论文收集积累，时间：2021年6月4日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:End-to-End Neuro-Symbolic Architecture for Image-to-Image Reasoning Tasks AUTHORS: Ananye Agarwal ; Pradeep Shenoy ; ...
无监督学习特征--稀疏编码、深度学习、ICA部分代表文献-------之一
zhoutongchi的专栏
11-16 5460
l         学习映射函数及在行为识别/图像分类中应用的文献（模型与非模型之间存在关联，算法相互采用，没有明确的区分，含仿生学文献） % 研究重点放到ICA模型及深度学习兼顾稀疏编码 1）稀疏编码（稀疏编码、自动编码、递归编码）： [1] B. Olshausen and D. Field. Emergence of simple-cell receptive field propert
FastICA_25.rar_Fast ICA_Fast-ICA_ica component
09-21
FAST ICA，fast independent component analysis，用于分解独立的component
Deep learning----------Deep Belief Networks
精锐小庄的专栏
12-04 2785
DBN是由Hinton在2006年提出的一种概率生成模型, 由多个限制玻尔兹曼机(RBM)[3]堆栈而成:   在训练时, Hinton采用了逐层无监督的方法来学习参数。首先把数据向量x和第一层隐藏层作为一个RBM, 训练出这个RBM的参数(连接x和h1的权重, x和h1各个节点的偏置等等), 然后固定这个RBM的参数, 把h1视作可见向量, 把h2视作隐藏向量, 训练第二个RB
Deep learning----------Self-taught learning
精锐小庄的专栏
12-05 1854
Self-taught leaning是用的无监督学习来学习到特征提取的参数，然后用有监督学习来训练分类器。这里无监督学习和有监督学习分别是用的sparse autoencoder和softmax regression. 如果已经有一个足够强大的机器学习算法，为了获得更好的性能，最靠谱的方法之一是给这个算法以更多的数据。机器学习界甚至有个说法：“有时候胜出者并非有最好的算法，而是有更多的
deep learning demo
精锐小庄的专栏
02-06 1851
Theano http://deeplearning.net/software/theano/ code from: http://deeplearning.net/   Deep Learning Tutorial notes and code https://github.com/lisa-lab/DeepLearningTutorials code fro
The basic knowledge of deep learning
精锐小庄的专栏
12-01 1794
教程中的一些术语: 　　Model representation: 　　其实就是指学习到的函数的表达形式，可以用矩阵表示。 　　Vectorized implementation: 　　指定是函数表达式的矢量实现。 　　Feature scaling： 　　指是将特征的每一维都进行一个尺度变化，比如说都让其均值为0等。 　　Normal equations
Regression(4)-------Logistic Regression & Regularization
精锐小庄的专栏
12-01 1680
本讲内容： Logistic Regression ========================= (一)、Classification （二）、Hypothesis Representation （三）、Decision Boundary （四）、Cost Function （五）、Simplified Cost Function and Gradi
Deep learning---------------Back propagation Algorithm（BP algorithm)
精锐小庄的专栏
12-02 1656
假设我们有一个固定样本集 ，它包含  个样例。我们可以用批量梯度下降法来求解神经网络。具体来讲，对于单个样例 ，其代价函数为： 这是一个（二分之一的）方差代价函数。给定一个包含  个样例的数据集，我们可以定义整体代价函数为： 以上公式中的第一项  是一个均方差项。第二项是一个规则化项（也叫权重衰减项），其目的是减小权重的幅度，防止过度拟合。 [注：通常权重衰减
Deep learning---------------Convolution Network
精锐小庄的专栏
12-01 1478
深度网络结构是由多个单层网络叠加而成的，而常见的单层网络按照编码解码情况可以分为下面3类： 既有encoder部分也有decoder部分：比如常见的RBM系列（由RBM可构成的DBM, DBN等），autoencoder系列(以及由其扩展的sparse autoencoder, denoise autoencoder, contractive autoencoder, saturating
Deep learning--------Restricted Boltzmann Machines (RBM)
精锐小庄的专栏
12-04 1356
Energy-Based Models (EBM) Energy-based models associate a scalar energy to each configuration of the variables of interest. Learning corresponds to modifying that energy function so that its shape ha
sparse-autoencoder
精锐小庄的专栏
01-25 1277
Sparse Auto-encoders So far, we have described the application of neural networks to supervised learning, in which we have labeled training examples. Now suppose we have only a set of unlabeled
KPCA-ICA特征融合
最新发布
05-17
KPCA（Kernel Principal Component Analysis）和ICA（Independent Component Analysis）都是常用的特征提取方法。KPCA可以将原始数据映射到高维空间中，并用主成分分析的方法进行降维，得到能够最大化数据方差的新...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值