深度学习自学笔记
文章平均质量分 89
软件工程大四本科生,研究生方向计算机视觉的深度学习自学笔记.
phython96
ACM退役~
展开
-
模式识别作业
模式识别作业姓名:蔡少斐学号:2019E8013261007单位:计算技术研究所1.说明判别分类器(如logistic回归)与上述特定类别的高斯朴素贝叶斯分类器之间的关系正是logistic回归所采用的形式。经过第2问更加普遍的推导过程:对应参数为:二次项:v=[σ112−σ1022σ112σ102,...,σD12−σD022σD12σD02]v=[\frac{\sigma_{1...原创 2019-11-04 00:34:38 · 1731 阅读 · 0 评论 -
VAE(变分自编码器)学习笔记
VAE学习笔记普通的编码器可以将图像这类信息编码成为特征向量.但通常这些特征向量不具有空间上的连续性.VAE(变分自编码器)可以将图像信息编码成为具有空间连续性的特征向量.方法是向编码器和解码器中加入统计信息,即特征向量代表的的是一个高斯分布,强迫特征向量服从高斯分布.编码器是将图片信息编码成为一个高斯分布.解码器则是从特征空间中进行采样,再经过全连接层,反卷积...原创 2019-02-25 11:42:01 · 805 阅读 · 0 评论 -
练习利用LSTM实现手写数字分类任务
练习利用LSTM实现手写数字分类任务MNIST数据集中图片大小为28*28.按照行进行展开成28维的特征向量。考虑到这28个的向量之间存在着顺序依赖关系,我们可以将他们看成是一个长为28的输入序列,将其输入到LSTM中,LSTM可以从中提取到序列特征,再将此序列特征用一层全联接作为分类器,分类器输出10种分类类别。综合代码import tensorflow as tfimport nu...原创 2019-02-14 20:01:16 · 1318 阅读 · 0 评论 -
深度学习中反向传播算法简单推导笔记
反向传播算法简单推导笔记1.全连接网络该结构的前向传播可以写成:z(1)=W(1)x+b(1)z^{(1)} = W^{(1)}x+b^{(1)}z(1)=W(1)x+b(1)a(1)=σ(z(1))a^{(1)} = \sigma(z^{(1)})a(1)=σ(z(1))z(2)=W(2)a(1)+b(2)z^{(2)}=W^{(2)}a^{(1)}+b^{(2)}z(2)=W(2)...原创 2018-11-30 17:56:12 · 757 阅读 · 0 评论