更多网络类型

本文探讨了深度学习中的多种网络类型,包括CPPN、孪生网络和Triplet Network,详细介绍了它们的工作原理和应用场景。同时,提到了Variational Auto-encoder在图像生成和模型压缩中的作用,以及强化学习的基础概念,如Markov决策过程和Bellman公式。
摘要由CSDN通过智能技术生成

丰富网络类型

深度学习除了经典卷积神经网络,循环神经网络还有广泛的网络类型

CPPN

  1. 网络输入是像素坐标值(x,y)
  2. 网络输出的像素是RGB值
  3. 把【0,0】-[100,100]逐个输入得到完整图像

孪生网络

一种网络结构,通过将NN将样本维度降低到某个维度
低维空间,任意两个样本:
如果他们是相同,空间距离接近0;
如果他们是不同类别,空间距离大于某个距离

Triplet Network

在这里插入图片描述

应用


Image ranking

Face verification

Metric learning

Variational Auto-encoder

将Variational Bayes引入到神经网络中
网络和经典的Auto Encoder类似
编码网络:将输入编码到一个隐变量(参数)分布
解码网络:对分布的参数进行采样,拟合输入数据
首先引入隐变量z,利用编码网络拟合参数化的后验概率

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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