Machine Learning
Janvn
这个作者很懒,什么都没留下…
展开
-
Convolutional Neural Networks卷积神经网络
转自:http://blog.csdn.net/zouxy09/article/details/8781543Convolutional 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转载 2014-10-21 11:34:55 · 990 阅读 · 0 评论 -
机器学习领域的几种主要学习方式
学习方式 根据数据类型的不同,对一个问题的建模有不同的方式。在机器学习或者人工智能领域,人们首先会考虑算法的学习方式。在机器学习领域,有几种主要的学习方式。将算法按照学习方式分类是一个不错的想法,这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果。 监督式学习: 在监督式学习下,输入数据被称为“训练数据”,每组训练数据有一转载 2015-01-30 10:15:34 · 1476 阅读 · 0 评论 -
解密最接近人脑的智能学习机器——深度学习及并行化实现
摘要: 深度学习可以完成需要高度抽象特征的人工智能任务,如语音识别、图像识别和检索、自然语言理解等。深层模型是包含多个隐藏层的人工神经网络,多层非线性结构使其具备强大的特征表达能力和对复杂任务建模能力。训练深层模型是长期以来的难题,近年来以层次化、逐层初始化为代表的一系列方法的提出给训练深层模型带来了希望,并在多个应用领域获得了成功。深层模型的并行化框架和训练加速方法是深度学习走向实用的重要基石,转载 2015-01-30 15:38:23 · 913 阅读 · 0 评论 -
自学成才秘籍!机器学习&深度学习经典资料汇总
小编都深深的震惊了,到底是谁那么好整理了那么多干货性的书籍。小编对此人表示崇高的敬意,小编不是文章的生产者,只是文章的搬运工。《Brief History of Machine Learning》介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning.《Deep Learning in N转载 2015-04-16 15:59:54 · 966 阅读 · 0 评论 -
有趣的机器学习:最简明入门指南
本文由 伯乐在线 - toolate 翻译。英文出处:medium在听到人们谈论机器学习的时候,你是不是对它的涵义只有几个模糊的认识呢?你是不是已经厌倦了在和同事交谈时只能一直点头?让我们改变一下吧!本指南的读者对象是所有对机器学习有求知欲但却不知道如何开头的朋友。我猜很多人已经读过了“机器学习”的维基百科词条,倍感挫折,以为没人能给出一个高层次的解释。本文就是你们想要的东西。本文目标转载 2015-04-16 17:46:11 · 687 阅读 · 0 评论 -
深度学习资源
教程Ng 有一个wiki网站介绍 深度学习 和 无监督特征学习: http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial已经被翻译成中文: http://ufldl.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B该教程介绍了多层前传神经网络的基本知识、 自动编码器转载 2015-04-21 21:18:34 · 992 阅读 · 0 评论 -
Deep Learning for NLP 文章列举
慢慢补充大部分文章来自:http://www.socher.org/http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial包括从他们里面的论文里找到的related work Word Embedding LearnigSENNA原始论文【ACL'07】Fast转载 2015-04-21 21:19:28 · 803 阅读 · 0 评论 -
“机器学习MLDT”图书翻译稿
转自:http://ask.julyedu.com/article/294Machine Learning_Hands-On for Developers and Technical Professionals-Wiley(2014)【 译者按】承蒙机械工业出版社秦编辑的邀请,从今天起,开始“Machine Learning_Hands-On for Developers and Technica转载 2015-08-05 11:30:31 · 1050 阅读 · 0 评论 -
机器学习那些事——文本挖掘中的特征提取
机器学习当然包含很多的方面,但我只关心文本挖掘,那么机器学习和文本挖掘的关系是什么?文本挖掘的一般流程如下所示:第一步当然是,特征提取,这是一个文档降维的过程。首先明晰几个概念,特征提取、特征选择(特征选取)Feature Selection、特征抽取Feature Extraction。一般来说,特征提取实际上有两大类方法。一类称为特征选择,指的是从原有的特征(那许多有用无用混在一起的词汇)中提取转载 2015-09-14 11:06:30 · 12288 阅读 · 0 评论