The wake-sleep algorithm for unsupervised neural networks

最新推荐文章于 2021-09-07 14:23:11 发布
最新推荐文章于 2021-09-07 14:23:11 发布
阅读量510 收藏 3
点赞数
分类专栏： 学习算法 计算机视觉 文章标签： 论文 学习算法 计算机视觉 计算机视觉
原文链接：https://blog.csdn.net/ccemmawatson/article/details/38680541
版权

这是Hinton在1995年发表的论文，提出一种无监督的神经网络学习算法，最后发现这个算法与Helmholtz自由能的关系，并将使用该算法的网络称作Helmholtz机。

全文翻译如下：

本翻译word版下载地址：http://download.csdn.net/detail/ccemmawatson/7783507

论文原文下载地址（英文）：http://download.csdn.net/detail/ccemmawatson/7783489

大牛翻译的很到位

王20133
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
中文翻译论文：The wake-sleep algorithm for unsupervised neural networks
08-19
The wake-sleep algorithm for unsupervised neural networks 作者Hinton，提出Helmholtz机和wake-sleep算法
Deep Learning：Helmholtz机和wake-sleep算法的提出
戴笠人的专栏
08-19 6812
这是Hinton在1995年发表的论文，提出一种无监督的神经网络学习算法，
非监督神经网络的wake-sleep算法
鹊踏枝-码农的专栏
10-11 9420
非监督神经网络的wake-sleep算法可以用来Fine tuning DBNs，该算法主要分为两个阶段，即"wake"阶段与"sleep"阶段，其中"wake"阶段用来学习生成权重（generative weights），"sleep"阶段用来学习识别权重（recognition weights）。 一. 原理 识别权重与生成权重分别对应DBNs的编码（encoder）与解码（decoder
论文：The wake-sleep algorithm for unsupervised neural networks
08-19
The wake-sleep algorithm for unsupervised neural networks 作者Hinton，提出Helmholtz机和wake-sleep算法
[深度学习]Wake-Sleep算法
dukai392的博客
04-27 4828
本文翻译自2007-To recognize shapes, first learn to generate images, Geoffrey Hinton. 第五种策略的设计思想是使得高层的特征提取器能够和底层的进行通信, 同时可以很容易地使用随机二态神经元的分层网络来实现. 这些神经元的激活概率是关于总输入的一个平滑非线性方程:   其中si和sj是神经元i和j
The Application of Sum-Product Algorithm for Data Association
02-07
The Application of Sum-Product Algorithm for Data Association
pentaho-aggdesigner-algorithm-5.1.5-jhyde.tar
06-09
mvn install:install-file -DgroupId=org.pentaho -DartifactId=pentaho-aggdesigner-algorithm -Dversion=5.1.5-jhyde -Dpackaging=jar -Dfile=D:/pentaho-aggdesigner-algorithm-5.1.5-jhyde.jar
A Huffman tree-based algorithm for Clustering Documents
02-06
A Huffman tree-based algorithm for Clustering Documents
wake-sleep算法
dukai392的博客
04-27 3764
深度神经网路已经在语音识别，图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。 简要描述深度神经网络模型。 1.  自联想神经网络与深度网络       自联想神经网络是很古老的神经网络模型，简单的说，它就是三层BP网络，只不过它的输出等于输入。很多时候我们并不要求输出精确的
06年Hinton训练深度置信网的方法wake－sleep
11-03
文中描述了一种有效的初始化权重的方式，允许深度自动编码器网络学习比主成分分析更好的降维特征，作为降低数据维度的工具。
wake-sleep 算法的个人理解
DeepMatter的博客
12-21 1574
未完待续…Wiki
深度学习-深度信念（置信）网络（DBN）-从原理到实现（DeepLearnToolBox）
热门推荐
Rainbow0210的博客
11-02 6万+
深度信念网络，DBN，Deep Belief Nets，神经网络的一种。既可以用于无监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器来使用。作为神经网络，神经元自然是其必不可少的组成部分。DBN由若干层神经元构成，组成元件是受限玻尔兹曼机（RBM）。首先来了解一下受限玻尔兹曼机（RBM）： RBM是一种神经感知器，由一个显层和一个隐层构成，显层与隐层的神经元之间为双向全连接。如下图所示
dbn中的wake-sleep算法是如何调优的？
dukai392的博客
04-27 2669
作者：Craigie Hill 链接：https://www.zhihu.com/question/29648549/answer/158728039 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 wake-sleep algorithm的fine-tuning算法在Hinton06年的那篇论文最后是有伪码的，Hinton使用的标准的DBN自
[论文笔记] Weight Agnostic Neural Networks
Holeung blog
08-04 909
Experiment
Helmholtz Machine and Wake-Sleep Learning
连峰碧波间，浅水泛舟游
01-02 2069
1.介绍.\textbf{1.介绍.}本文主要目的是服务于深信度网络。我们将在这里详细介绍神经网络无监督学习中的一个重要算法-wake sleep算法，以及和这种算法密切相关的一类机器–melmholtz machine. 2.boltzmann distribution.\textbf{2.boltzmann distribution.}在一个物理系统中，颗粒处在不同的状态下得概率分布。其中每种
wake-sleep算法-Hinton论文系列《To Recognize Shapes, First Learn to Generate Images》
zephyr_wang的博客
09-07 812
1. 简介 本文根据2006年10月26日Hinton的《To Recognize Shapes, First Learn to Generate Images》翻译总结。如题所述，为了很好的识别图片，需要先学习生成图片。 主要是介绍了wake-sleep算法，该算法有两个通路，一个是从下到上的识别连接，一个是从上到下的生成连接。正如文章题目，为了很好的识别图片，需要先学习生成图片。 2. 五种学习多层网络的策略 多层学习就涉及中间特征，即隐藏单元的学习。 2.1 拒绝（denial）策略 如果假定只有一层
Wake-Sleep(W-S)算法【转载】
weixin_30411819的博客
11-08 183
原文： https://www.zhihu.com/question/29648549 https://blog.csdn.net/zouxy09/article/details/8775518 encode 抽象为低维表示（概念）； decode 具现为高维表示（现实）。 转载于:https://www.cnblogs.com/j-c-y/p/9927683.html...
implement the overlap-add algorithm through the matlab
最新发布
05-25
Sure, here's an implementation of the overlap-add algorithm in MATLAB: ```matlab function x = overlap_add(h, y, N) % h: FIR filter impulse response % y: input signal % N: block size (must be power of...
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