DNN(Deep Belief Network)=>堆积的自动编码器(Stacked Auto-encoder)=>卷积神经网络(Convolutional nerual network)=>卷积自动编码器(Convolutional Auto-encoder)
三大学派:
符号主义学派(逻辑主义学派);
连接主义学派(仿真网络,神经元连接);
控制论学派(所有的东西都是基于反馈的,20190316:暂时还没火起来,eg:GAN->big GAN)
最初的网络是三层感知机MLP,MLP解决不了异或问题;
Hinton,Bengio,Yann LeCun三巨头
Hinton代表作:DBN深度信念网络
Bengio代表作:自动编码
书籍推荐:花书 Deeplearning 西瓜书 Machine Learning
3,4,5层网络存在过拟合问题,受限波尔兹曼机解决过拟合问题
加噪音和数据增强可以提高泛化能力,深度学习学的是表征向量~
商汤科技的人脸识别进行数据增强了。
生成和判别型网络
CNN
滤波器 卷积核
卷积自动编码器:类似GAN
卷积+自动;有卷积就有反卷积,有池化就有反池化。
------------------------------------------------------------
重点重点重点
LeNet ---Yann LeCun
AlexNet ---Alex 2012 8层
VGG 2014 19层
NIN
GoogleNet 2014 22层
ResNet 2015 152层
DenseNet 2017
ImageNet
需要调的是卷积核的维度和滤波器的个数。
深度学习图片卷积输出大小计算公式
先定义几个参数
- 输入图片大小 W×W
- Filter的卷积核大小 F×F
- 步长 S
- padding的像素数 P
于是我们可以得出
N = (W − F + 2P )/S+1
输出图片大小为 N×N