关于neural network的一些资料

最新推荐文章于 2023-03-20 13:01:27 发布
最新推荐文章于 2023-03-20 13:01:27 发布
阅读量914 收藏
点赞数
分类专栏： 机器学习 文章标签： deep learning neural network
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/wallowinai/article/details/8262081
版权

Books/Tutorials 
1. Neural Networks - A systematic introduction http://www.inf.fu-berlin.de/inst/ag-ki/rojas_home/pmwiki/pmwiki.php?n=Books.NeuralNetworksBook 
2. http://deeplearning.net/ 
3. Learning deep architectures for AI http://www.iro.umontreal.ca/~lisa/publications2/index.php/publications/show/239 
4. Information Theory, Inference and Learning Algorithms http://www.inference.phy.cam.ac.uk/mackay/itila/ 5. Gaussian Processeshttp://www.gaussianprocess.org/

5. http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf


Code Examples 
1. Ruslan Salakhutdinov 
http://www.mit.edu/~rsalakhu/software.html 
2. Deep Learning - How I did it? http://blog.kaggle.com/2012/11/01/deep-learning-how-i-did-it-merck-1st-place-interview/ 
3. Boltzmann Machine - Necker Cube Example http://www.cs.cf.ac.uk/Dave/JAVA/boltzman/Necker.html 
4. Graphlab http://select.cs.cmu.edu/code/graphlab/pmf.html 
5. Netflix Recommendations http://techblog.netflix.com/2012/04/netflix-recommendations-beyond-5-stars.html 
6. Prof. Radford Neal http://www.cs.toronto.edu/~radford/software-online.html 
7. Prof. David MacKay http://www.inference.phy.cam.ac.uk/mackay/itprnn/softwareN.html

Recognizing Cursive Handwriting 
1. Alex Graves RNNLIB 
http://sourceforge.net/apps/mediawiki/rnnl/index.php?title=Main_Page

Speech Recognition 
1. Deep Neural Networks for Acoustic Modeling in Speech Recognition (Nov 2012)http://research.microsoft.com/pubs/171498/HintonDengYuEtAl-SPM2012.pdf 
2. http://www.cslu.ogi.edu/tutordemos/nnet_training/tutorial.html (May not include recent developments) 
3. Use of RNNs in continuous speech recognition http://svr-www.eng.cam.ac.uk/~ajr/rnn4csr94/rnn4csr94.html

unsupervised learning:

http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial


Hinton的主页：http://www.cs.toronto.edu/~hinton/


wallowinai
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
神经网络-系统介绍Neural Networks - A Systematic Introduction
11-15
将神经网络的理论定律和模型整合到人工神经网络的一般理论中。 为本科生而写，需要在大学的头两年学习过的数学工具。
Neural Networks - A Systematic Introduction
03-23
介绍人工神经元网络的书，理论概念比较详细
Neural Networks and Deep Learning 神经网络和深度学习book
03-14 4437
在线阅读 http://neuralnetworksanddeeplearning.com/index.html
计算机神经科学方面的杂志,NEURAL NETWORKS 期刊投稿经验分享，NEURAL NETWORKS主页，推荐审稿人、编辑，审稿周期/时间，NEURAL NETWORKS 期刊信息，版面费多少，...
weixin_28963665的博客
06-21 1729
期刊简介Neural Networks is the archival journal of the world's three oldest neural modeling societies: the International Neural Network Society (INNS), the European Neural Network Society (ENNS), and the ...
Convolutional Neural Network
既然选择了远方 便只顾风雨兼程 - 永强
01-16 2882
Convolutional Neural Network 1. Convolutional Neural Network 中的各个 layer 提取什么样的特征？ Visualizing and Understanding Convolutional Networks: The projections from each layer show the hierarchical nature of ...
Graph Wavelet Neural Network
FengF2017的博客
03-26 3349
论文标题 Graph Wavelet Neural Network 论文来源 ICLR 2019, 论文PDF 论文代码 https://github.com/benedekrozemberczki/GraphWaveletNeuralNetwork 1 背景梳理 对于自然界中广泛存在的非欧式拓普数据，即图（Graph），的研究得到了广泛关注，为了有效提取图的特征表达，图神经网络（GNN）等一类优秀的模型被提出，并适用于广泛的应用场景，如社交网络、推荐系统、智慧医疗以及城市规划。谱域卷积网络（Spectra
A Neural Network Playground工具使用简述
Quintin
03-20 2514
A Neural Network Playground工具使用
深度学习之NN（Neural Network）
百年孤独百年的博客
12-01 4310
根据我的理解，简单介绍一个DeepLearn Toolbox工具箱的NN里面各个函数都有什么作用，其中可能有个别表述或者理解的错误。哈哈哈哈哈，先随便写写吧。 主要参考链接： 这个工具箱下载链接：点击下载 首先你要知道如何训练一个NN。打开tests文件夹下的test_example_NN.m文件，第13行的注释vanilla neural net表示原始神经网络。代码15到20行这几步就训练了一...
Neural Tensor Network详细介绍
qq_43391414的博客
11-13 3811
文章目录前言思想NTN 前言 论文原文：Reasoning With Neural Tensor Networks for Knowledge Base Completion。 作者比较有名，有吴恩达。 这个神经网络是2013年提出来的，所以非常简单，你现在看他就跟玩一样，尤其是你如果训练过词向量（2013年mikolov那篇）的话，这篇的讲解你会跟喝水一样简单。 思想 为什么说简单？因为2013年的时候NLP流行做嵌入，这里也不例外，所以是无监督模型。 这篇论文的目的就是说：我们要设计一个网络，给定一个知
matlab中的Neural Network  Training(nntraintool)界面的解释
热门推荐
yangtuanzi1118的博客
04-28 2万+
1，Neural Network 　　　　这里显示的是输入大小，中间层数量以及每层的神经元个数。 2，Algorithms （括号中的灰色字体都是链接，可以查看） 　　Training：RProp。这表示学习训练函数。 　　Performance：Mean Squared Error。这表示性能用均方误差来表示。 　　Calculations： MEX。暂时没发现用处。　　　 ...
NeuralNetwork_Neuralnetwork_
10-03
在`NeuralNetwork.py`这个文件中，我们可以预期找到一个简单的神经网络实现，可能包括以下关键组件： 1. **网络结构**：定义神经网络的层数，每层的节点数量以及激活函数。通常包括输入层、隐藏层和输出层。激活...
Neural Network_neuralnetwork_matlab_
10-04
本资源“Neural Network_neuralnetwork_matlab_”显然包含了一系列与使用MATLAB构建神经网络相关的代码示例。以下将详细阐述MATLAB在神经网络中的应用以及可能涉及的关键知识点。 1. **神经网络基础**: 神经网络是...
Neural Network Methods in Natural Language Processing epub
10-11
Neural Network Methods in Natural Language Processing 英文epub 本资源转载自网络，如有侵权，请联系上传者或csdn删除 本资源转载自网络，如有侵权，请联系上传者或csdn删除
Neural Network Language Model
matthewchen123的博客
10-24 2830
背景 传统的统计语言模型的缺点，在高维的情况下，由于N元组的稀疏问题，传统的语言模型需要花大量时间解决平滑，插值等问题；N受限于算力，不大的时候文本的长距离依赖关系无法进行建模；同时N元组共现未必相似等问题。 由于维度灾难(特别是离散变量)，在高维下，数据的稀缺性，导致统计语言模型存在很多为零的条件概率，传统的统计语言模型也花费了很大的精力来处理零概率问题，比如现在有很多的平滑、插值、回退等方法用来解决该问题。 语言模型的参数个数随阶数呈指数增长，所以一般情况统计语言模型使用的阶数不会很高，这样n-gra
CNN（Convolutional Neural Network）
梦码城博客中心
10-23 1万+
CNN的基本结构 图中是一个图形识别的CNN模型。可以看出最左边的船的图像就是我们的输入层，计算机理解为输入若干个矩阵，这点和DNN基本相同。 接着是卷积层（Convolution Layer）,这个是CNN特有的。卷积层的激活函数使用的是ReLU。我们在DNN中介绍过ReLU的激活函数，它其实很简单，就是ReLU(x)=max(0,x)。在卷积层后面是池化层(Pooling layer)，这个也是CNN特有的，我们后面也会专门来讲。需要注意的是，池化层没有激活函数。 卷积层+池化层的组合可以在隐藏层出现
基于js的神经网络库-convnetjs
wallowinai的专栏
04-20 1909
http://cs.stanford.edu/people/karpathy/convnetjs/
关于DBN以及RBM的一些资料汇总
wallowinai的专栏
05-27 1508
1，经典文章 Hinton, G. E., Osindero, S. and Teh, Y. W. A fast learning algorithm for deep belief nets. Neural Computation, vol 18, pp. 1527-1554, 2006. Hinton, G. E. To recognize shapes, first learn to
neural network
最新发布
04-18
神经网络（Neural Network）是一种模拟人脑神经元网络结构和工作原理的计算模型。它由多个神经元（节点）组成，这些神经元通过连接（权重）相互传递和处理信息。神经网络通常分为输入层、隐藏层和输出层。 神经网络的工作过程如下：首先，输入数据被传递到输入层，然后通过连接权重传递到隐藏层。在隐藏层中，每个神经元将输入数据与自身的权重相乘并进行加权求和，然后通过激活函数进行非线性转换。隐藏层的输出再传递到下一层，直到最后输出层产生最终的结果。 神经网络的训练过程是通过反向传播算法来实现的。该算法通过比较网络输出与期望输出之间的差异，并根据差异调整连接权重，以使网络的输出逐渐接近期望输出。这个过程需要大量的训练数据和迭代次数来优化网络的性能。 神经网络在机器学习和深度学习领域有广泛应用，可以用于图像识别、语音识别、自然语言处理等任务。它具有自动学习和适应能力，可以从大量数据中提取特征并进行模式识别。
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