Deep Learning 26：读论文“Maxout Networks”——ICML 2013

最新推荐文章于 2024-09-17 16:52:57 发布

weixin_30535913

最新推荐文章于 2024-09-17 16:52:57 发布

阅读量93

点赞数

文章标签：人工智能

原文链接：http://www.cnblogs.com/dmzhuo/p/5872301.html

版权

论文Maxout Networks实际上非常简单，只是发现一种新的激活函数（叫maxout）而已，跟relu有点类似，relu使用的

这些论文已经有很多前人帮我们解读了，所以不需要自己再费心理解，非常好，所以自己也不需要再写什么多余的解读了，该说的下面的文献都说了。

基础资料

论文翻译：Maxout Networks，这篇博文讲得非常仔细非常清楚，必须仔细看

其他资料：深度学习（二十三）Maxout网络学习-ICML 2013

Deep learning：四十五(maxout简单理解)

转载于:https://www.cnblogs.com/dmzhuo/p/5872301.html

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_30535913

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

[论文笔记] [2013] [ICML] Maxout Networks

Alexzhuan

07-24

215

在11年 dropout 的提出，其效果引起了各路学者的注意，一些试图改进提升 dropout 的工作也随着而来。这篇的作者觉得 dropout 太随便了（在任何网络中都能使用），认为可以专门设计一个模型配合 dropout 使用，提升 dropout 作为 model averaging（就是做ensemble，类似于bagging这些）技术的能力，得到 best performance。 Review of dropout dropout training 类似于集成学习中的 bagging，都是许多

ICML 2013国际会议论文集论文

11-11

ICML 2013国际会议论文集论文，机器学习，深度学习领域，比较热

参与评论您还未登录，请先登录后发表或查看评论

ICDM 2013论文集目录Table of Contents

04-24

2013 IEEE 13th International Conference on Data Mining ICDM 2013 Table of Contents

大数据时代的机器学习热点——国际机器学习大会ICML2013参会感想

jackyzzy的专栏

09-10

1001

转自：http://www.csdn.net/article/2013-09-05/2816831 摘要：国际机器学习大会（ICML）源于1980年卡内基-梅隆大学举办的机器学习研讨会，如今已发展为国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议，代表机器学习学术界最高水平。大数据时代，ICML又有什么看点？国际机器学习大会（ICML）源于1980年在卡内基-梅隆大学（

Deep Learning 24：读论文“Batch-normalized Maxout Network in Network”——mnist错误率为0.24%...

weixin_30808253的博客

09-29

读本篇论文“Batch-normalized Maxout Network in Network”的原因在它的mnist错误率为0.24%，世界排名第4。并且代码是用matlab写的，本人还没装cafe…… 理论知识本文是台湾新竹国立交通大学的Jia-Ren Chang 写的，其实要说这篇文章有多在的创新，还真没有，实际上它就是把三篇比较新的论文的东西组合起来，分别是这三篇： 1.Net...

深度学习方法（十）：卷积神经网络结构变化——Maxout Networks，Network In Network，Global Average Pooling

热门推荐

Bin 的专栏

03-11

1万+

本文先介绍两个13，14年的工作：Maxout Networks，Network In Network。网上有不少资料，但是很多作者我相信自己都没有完全理解，在本文中我会尽可能描述清楚。本文重点在于Network In Network。本文针对论文和网络资料的整理，自己重新撰写，保证每一个初学者都可以看懂。

深度学习（二十三）Maxout网络学习-ICML 2013

GarfieldEr007的专栏

01-27

2014

Maxout网络学习原文地址：http://blog.csdn.net/hjimce/article/details/50414467 作者：hjimce 一、相关理论本篇博文主要讲解2013年，ICML上的一篇文献：《Maxout Networks》，这个算法我目前也很少用到，个人感觉最主要的原因应该是这个算法参数个数会成k倍增加(k是maxout的一个参

Geometric deep learning: going beyond Euclidean data译文

weixin_42037651的博客

09-12

1696

Geometric deep learning: going beyond Euclidean data（几何深度学习：超越欧几里得数据）摘要：许多科学领域研究具有非欧几里德空间的底层结构的数据。一些例子包括计算社会科学中的社会网络、通信中的传感器网络、脑成像中的功能网络、遗传学中的调节网络以及计算机图形学中的网状表面。在许多应用中，此类几何数据庞大而复杂（在社交网络中，规模达数十亿），是机器学习技术的自然目标。特别是，我们希望使用深度神经网络，它最近被证明是解决计算机视觉、自然语言处理和音频分析等广泛

Deep learning：四十五(maxout简单理解)

slamer的专栏

03-13

1622

maxout出现在ICML2013上，作者Goodfellow将maxout和dropout结合后，号称在MNIST, CIFAR-10, CIFAR-100, SVHN这4个数据上都取得了start-of-art的识别率。　　从论文中可以看出，maxout其实一种激发函数形式。通常情况下，如果激发函数采用sigmoid函数的话，在前向传播过程中，隐含层节点的输出表达式为：　　　　其

深度学习论文：Deep Residual Learning for Image Recognition

人生当苦无妨

02-04

1万+

论文： He, Kaiming, et al. "Deep residual learning for image recognition." Proceedings of the IEEE conference on computer vision and pattern recognition. 2016. Abstract 深度神经网络难以训练，本文提出残差块来简化比以往深很多网络的训...

B站：李宏毅2020机器学习笔记 4 —— 深度学习优化 Optimization for Deep Learning

共同进步

04-25

500

总览学习目录篇链接地址：https://blog.csdn.net/xczjy200888/article/details/124057616 B站：李宏毅2020机器学习笔记 4 —— 深度学习优化 Optimization for Deep Learning

CVPR2020 CSPNet: A New Backbone that can Enhance Learning Capability of CNN

Q1u1NG的博客

11-19

1480

CVPR2020 CSPNet: A New Backbone that can Enhance Learning Capability of CNN论文翻译摘要1.介绍2.相关工作3.方法3.1 Cross Stage Partial Network3.2 Exact Fusion Model4.实验4.1 实现细节4.2 消融实验4.3 ImageNet图像分类4.4 MS COCO目标检测4.5 分析5.结论参考文献论文地址：CSPNet: A New Backbone that can Enhan

(ResNet)Deep Residual Learning for Image Recognition

chenaxin的博客

10-19

521

论文地址：https://arxiv.org/abs/1512.03385 摘要越深的神经网络训练起来越困难。本文展示了一种残差学习框架，能够简化使那些非常深的网络的训练，该框架使得层能根据其输入来学习残差函数而非原始函数（unreferenced functions）。本文提供了全面的依据表明，这些残差网络的优化更简单，而且能由更深的层来获得更高的准确率。本文在ImageNet数据集上使用了一个152层深的网络来评估我们的残差网络，虽然它相当于8倍深的VGG网络，但是在本文的框架中仍然只具有很低的复

卷积神经网络——ResNet论文翻译

itlilyer的博客

03-18

4230

ResNet论文翻译

【AI大模型】Kimi API大模型接口实现

qq_25888559的博客

09-15

1375

Kimi智能助手在效率（免费榜）排名从2024年1月14日的第436名提升至3月19日的第11名。而尚未上线的GPT-4.5 Turbo上下文窗口指定为25.6万个token，能同时处理约20万个单词，Kimi升级后，长文本能力为其10倍。在2023年10月初次亮相时，该模型的处理能力还仅有约20万汉字。2024年3月18日，月之暗面宣布Kimi智能助手启动200万字无损上下文内测。

使用c#制作一个小型桌面程序

qq_44691564的博客

09-14

1913

创建.NET Framework新项目，将之前生成的dll放在Demo文件夹的bin ->debug或是 release中（看你自己用的什么模式），创建完成后系统会自动生成一些文件，其中 pch.cpp 先不要修改，pch.h中先导入自己需要用到的库，下面是我的代码。布局完了之后会自动生成Form1.Designer.cs 的窗口设计代码，点击控件按F4 还可以修改他们的属性。完成之后点击生成就可以在bin中出现的你的.exe文件咯，是不是很简单呀~[狗头]我们还需要一个入口主程序。

开源 AI 智能名片链动 2+1 模式 O2O 商城小程序在社群活动中的应用与时机选择