无监督学习参考文献-Sparse coding / ICA models of V1参考文献----之三

最新推荐文章于 2022-12-04 17:25:44 发布
最新推荐文章于 2022-12-04 17:25:44 发布
阅读量1.3k 收藏
点赞数
分类专栏： 参考文献
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/zhoutongchi/article/details/8265373
版权

无监督学习参考文献-Sparse coding / ICA models of V1

http://www.cs.helsinki.fi/u/ahyvarin/papers/brainimaging.shtml

牛人：A. Hyvärinen 


[1]M. U. Gutmann and A. Hyvärinen.

最低0.47元/天 解锁文章
zhoutongchi
关注
专栏目录
机器学习 监督学习论文_机器学习-无监督学习概论
weixin_39748183的博客
01-14 300
无监督学习1 无监督学习基本原理无监督学习：从无标注的数据中学习数据的统计规律或者说内在结构的机器学习，主要包括聚类、降维、概率估计，对应的输出是类别，转换，概率无监督学习的模型：函数（硬聚类），条件概率分布（软聚类）或条件概率分布（概率模型估计）定义训练数据集：其中，表示第个向量的第维；；；训练数据可以用矩阵表示，矩阵的每一行对应特征，每一列对应一个样本2 聚类发现数据集中的纵向结构，输入空间为...
无监督异常检测论文集
10-22
无监督异常检测论文集，可用于未来智能工厂预测性分析。
什么是无监督学习
技术博客
09-05 2515
这个问题可以回答得很简单：是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习。 但根据知乎惯例，答案还是要继续扩展的。 首先看什么是学习（learning）？一个成语就可概括：举一反三。此处以高考为例，高考的题目在上考场前我们未必做过，但在高中三年我们做过很多很多题目，懂解题方法，因此考场上面对陌生问题也可以算
深度学习学习——自监督文献综述
m0_37876745的博客
12-02 1459
Title：基于最大化互信息对比学习的自监督bert？(Contrastive Multi-View Representation Learning on language) Abstract：在此论文中,我们在 deep infomax,infoNet等互信息最大化的基础上，使用对比学习思路，构建了一个基于孪生Bert的无监督预训练模型,这是一种在文本蕴含和文本复述任务上的学习通用句子嵌入的自监督方法（a self-supervised method for learning universal sen
监督学习论文
10-24
基于深度学习的特征点检测，主要用端到端的方式实现，在该论文中，讲了该方法与几种传统方法的比较
SparseNet：基于scikit学习的Sparse-Net实现
02-04
Sparse-Net基于scikit-learn的实现，这是一种无监督的体系结构，有助于进行特征检测。 它由多层稀疏编码组成，可将特征分为权重和字典两部分。 字典表示特征的复杂结构（如边缘等），权重表示字典中的特定特征是否...
无监督学习特征--稀疏编码、深度学习、ICA部分代表文献-------之一
zhoutongchi的专栏
11-16 5512
l         学习映射函数及在行为识别/图像分类中应用的文献（模型与非模型之间存在关联，算法相互采用，没有明确的区分，含仿生学文献） % 研究重点放到ICA模型及深度学习兼顾稀疏编码 1）稀疏编码（稀疏编码、自动编码、递归编码）： [1] B. Olshausen and D. Field. Emergence of simple-cell receptive field propert
matlab迭代阈值代码-sparse-coding:PyTorch中OlshausenandField（96）的实现
05-27
该模型的检查点每隔10个时间trained_models保存到trained_models 。 要查看张量板日志： tensorboard - - logdir = runs 即将添加 快速ISTA 参考 奥尔斯豪森，文学士和菲尔德，DJ（1996）。 通过学习自然图像的稀疏...
sparse-cvpr13.zip_sparse coding_subspace method_today576_transfe
07-15
使用迁移学习和稀疏编码来实现不同领域之间的适配，是一种基于特征表示的迁移学习
深度学习中的无监督学习方法综述.pdf
08-19
深度学习中的无监督学习方法综述.pdf
无监督学习及其主要研究进展
happytofly的博客
06-17 2976
原文：Navigating the unsupervised learning landscape 作者：Eugenio Culurciello，普渡大学副教授&Teradeep创办人 译者：刘帝伟 审校：刘翔宇 责编：周建丁（zhoujd@csdn.net） 无监督学习可谓是深度学习的圣杯，其目标是建立可兼容小数据集进行训练的通用系统，即便是很少的数据。如今深度...
无监督学习论文阅读
ZH2333的博客
01-08 1604
无监督学习论文阅读 刚开始接触这方面的内容，仅供参考。 Diversity Transfer Network for Few-Shot Learning （AAAI2020）[1] 这篇文章提出了一种新的深度聚类（ DeepCluster）：深度聚类采用聚类算法k-means对CNN络产生的特征进行迭代，将预测的聚类簇作为伪标签来计算损失并更新权重值。 由于特征和聚类同时进行会产生平凡解，为此作者提出： 1、避免平凡解 　　当一个簇变空时，随机选择一个非空簇，并使用带有小随机扰动的质心作为空簇的新质心。然
用于时间序列建模的无监督特征学习和深度学习综述-翻译学习及总结
weixin_45594172的博客
03-09 2160
用于时间序列建模的无监督特征学习和深度学习综述-翻译学习及总结
自监督学习、半监督学习、弱监督学习
最新发布
qq_51092533的博客
12-04 756
自监督学习、弱监督学习的总结、介绍
【强化学习】1-1-1 强化学习、监督学习和非监督学习
Tony的博客
08-26 1161
Abstract: 本文主要介绍强化学习，监督学习，非监督学习之间的不同。 Keywords: Supervised Learning，Unsupervised Learning，Reinforcement Learning Machine Learning（机器学习） 上文我们曾提到强化学习是机器学习的一种，而机器学习的定义是什么我也不记得了，而可以肯定的是下面这三类算法或者三个l...
无监督对比学习论文Momentum Contrast for Unsupervised Visual Representation Learning阅读
道阻且长
05-01 1292
何凯明无监督论文Momentum Contrast for Unsupervised Visual Representation Learning阅读
机器学习系列(一)， 监督学习和无监督学习
azhexg的专栏
04-28 7933
常见的机器学习任务，可以分为监督学习和无监督学习两类 1，监督学习 监督学习的样本集是既有特征也有结果的数据，即已知输入与输出值。监督学习的任务时根据这些已知特征和结果的数据，训练模型，使得模型能够根据输入的特征值，预测结果。例如，已经有个数据即，包含了某地房子价格的相关数据，每条数据包含房子的面积、楼层、房龄和售价。在这里面积、楼层、房龄是特征值，售价结果值，根据这一组数据训练的一个模型。当向模型中输入一个未知售价的房子的面积、楼层、房龄三个参数，能够预测出合理的售价。这个例子就是一个典型的有监督
ML-0:机器学习(入门-初级)
m0_61878383的博客
11-03 365
本文章介绍机器学习中最基本的概念，帮助大家更好的理解机器学习。着重解释监督学习和无监督学习的概念，二者的划分标准以及区别。
GXNOR-Net：三元权重与激活下的无精度内存DNN训练框架
GXNOR-Net是一种创新的深度神经网络架构，它旨在解决深度学习中面临的硬件开销挑战，特别是在资源受限的设备上运行。传统深度神经网络（DNNs）依赖于大量的浮点运算，这在实际应用中带来了显著的计算和存储需求。...
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