(四)深度学习的框架:深度(分层)的数学表示

本文探讨深度学习的数学表示,从神经网络到深度神经网络DNN,再到深度波尔茨曼机DBM和深度置信网络DBN。深度学习源于神经网络,通过多层特征表示发现数据的分布式特征。深度波尔茨曼机是二部图模型,而DBN是概率生成模型,由多个限制玻尔兹曼机层组成。目前的研究包括堆叠自动编码器和降噪自动编码器,为深度学习架构提供新的训练方法。
摘要由CSDN通过智能技术生成

参考文献:http://blog.csdn.net/zouxy09/article/details/8775518

具有层次结构的数学算法:

                 神经网络                              深度神经网络DNN

          限制深度波尔茨曼机           深度波尔茨曼机DBM

          限制深度波尔茨曼机           深度置信网络DBN

还有其它的方法,鉴于鄙人才疏学浅,暂以偏概全。

4.1深度神经网络(Deep neural network

      深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。

      Deep learning本身算是machine learning的一个分支,简单可以理解为neural network的发展。大约二三十年前,neural network曾经是ML领域特别火热的一个方向,但是后来确慢慢淡出了。

      Deep learning与传统的神经网络之间有相同的地方也有很多不同。

  • 1
    点赞
  • 4
    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