没有合适的资源?快使用搜索试试~ 我知道了~
deeplearning UFLDL Tutorial
5星 · 超过95%的资源 需积分: 10 52 下载量 61 浏览量
2013-05-02
14:15:52
上传
评论 1
收藏 2.13MB PDF 举报
温馨提示
试读
74页
This tutorial will teach you the main ideas of Unsupervised Feature Learning and Deep Learning. By working through it, you will also get to implement several feature learning/deep learning algorithms, get to see them work for yourself, and learn how to apply/adapt these ideas to new problems. 深度学习资料,翻译版,值得一看
资源推荐
资源详情
资源评论
笔记本:
S
t
a
n
d
f
o
r
d
深度学习
b
y
S
xi
a
o
创建时间:
2
0
1
3
/
4
/
1 17:
3
7
更新 时 间:
2
0
1
3
/
4
/
14 21:1
6
U
RL
:
h
t
t
p
:
/
/
d
e
e
p
l
e
a
rnin
g
.
s
t
a
nf
o
r
d
.
e
d
u
/
wiki
/
in
d
e
x.
p
h
p
/
U
FLDL T
u
t
o
ri
a
l
00UFLDL Tutorial
UFLDL Tutorial
From Ufldl
Jump to: navigation, search
Description: This tutorial will teach you the main ideas of Unsupervised Feature Learning and Deep Learning. By working through it, you will also get to
implement several feature learning/deep learning algorithms, get to see them work for yourself, and learn how to apply/adapt these ideas to new
problems.
This tutorial assumes a basic knowledge of machine learning (specifically, familiarity with the ideas of supervised learning, logis
tic regression, gradient descent). If you are not familiar with these ideas, we suggest you go to this Machine Learning course and complete sections II, III,
IV (up to Logistic Regression) first.
Sparse Autoencoder
01Neural Networks
神经网络
02Backpropagation Algorithm
反向传导算法
03Gradient checking and advanced optimization
梯度检验与高级优化
04Autoencoders and Sparsity
自编码算法与稀疏性
05Visualizing a Trained Autoencoder
可视化自编码训练结果
06Sparse Autoencoder Notation Summary
稀疏自编码器符号一览表
Exercise:Sparse Autoencoder
Vectorized implementation
07Vectorization
矢量化编程
08Logistic Regression Vectorization Example
逻辑回归的向量化实现样例
09Neural Network Vectorization
神经网络向量化
Exercise:Vectorization
Preprocessing: PCA and Whitening
10PCA
主成分分析
11Whitening
白化
12Implementing PCA/Whitening
实现主成分分析与白化
Exercise:PCA in 2D
Exercise:PCA and Whitening
Softmax Regression
13Softmax Regression Softmax
回归
Exercise:Softmax Regression
Self-Taught Learning and Unsupervised Feature Learning
14Self-Taught Learning
自我学习
Exercise:Self-Taught Learning
Building Deep Networks for Classification
15From S elf-Taught Learning to Deep Networks
从自我学习到深层网络学习
16Deep Networks: Overview
深度网络概览
17Stacked Autoencoders
栈式自编码算法
18Fine-tuning Stacked AEs
微调多层编码算法
Exercise: Implement deep networks for digit classification
Linear Decoders with Autoencoders
19Linear Decoders
线性解码器
Exercise:Learning color features with Sparse Autoencoders
Working with Large Images
20Feature extraction using convolution
卷积特征提取
21Pooling
池化
Exercise:Convolution and Pooling
Note: The sections above this line are stable. The sections below are still under construction, and may change without notice. Feel free to browse around
however, and feedback/suggestions are welcome.
Miscellaneous
MATLAB Modules
Style Guide
Useful Links
Miscellaneous Topics
22Data Preprocessing
数据预处理
23Deriving gradients using the backpropagation idea
用反向传到思想求导
Advanced Topics:
Sparse Coding
24Sparse Coding
稀疏编码
25Sparse Coding: Autoencoder Interpretation
稀疏编码自编码表达
Exercise:Sparse Coding
ICA Style Models
26Independent Component Analysis
独立成分分析
Exercise:Independent Component Analysis
Others
Convolutional training
Restricted Boltzmann Machines
Deep Belief Networks
Denoising Autoencoders
K-means
Spatial pyramids / Multiscale
Slow Feature Analysis
Tiled Convolution Networks
笔记本 :
S
t
a
n
d
f
o
r
d
深度学习
b
y
S
xi
a
o
创建时 间:
2
0
1
3
/
4
/
1 17:1
6
更新 时 间:
2
0
1
3
/
4
/
1 1
9
:2
0
U
RL
:
h
t
t
p
:
/
/
d
e
e
p
l
e
a
rnin
g
.
s
t
a
nf
o
r
d
.
e
d
u
/
wiki
/
in
d
e
x.
p
h
p
/
%
E7
%
A
5
%
9
E
%
E7
%
BB
%
8
F
%
E7
%
BD
%
9
1
%
E7
%
BB
%
9
C
01
神经网络
神经网络
From Ufldl
Jump to: navigation, search
Contents
[hide]
1
概述
2
神经网络模型
3
中英文对照
4
中文译者
概述
以监督学习为例,假设我们有训练样本集
,那么神经网络算法能够提供一种复杂且非线性的假设模型
,它具有参数
,可
以以此参数来拟合我们的数据。
为了描述神经网络,我们先从最简单的神经网络讲起,这个神经网络仅由一个
“
神经元
”
构成,以下即是这个
“
神经元
”
的图示:
这个
“
神经元
”
是一个以
及截距
为输入值的运算单元,其输出为
,其中函数
被称为
“
激活函数
”
。在本教程中,我们选用
sigmoid
函数作为激活函数
可以看出,这个单一
“
神经元
”
的输入-输出映射关系其实就是一个逻辑回归(
logistic regression
)。
虽然本系列教程采用
sigmoid
函数,但你也可以选择双曲正切函数(
tanh
):
以下分别是
sigmoid
及
tanh
的函数图像
函数是
sigmoid
函数的一种变体,它的取值范围为
,而不是
sigmoid
函数的
。
注意,与其它地方(包括
OpenClassroom
公开课以及斯坦福大学
CS229
课程)不同的是,这里我们不再令
。取而代之,我们用单独的参数
来表
示截距。
最后要说明的是,有一个等式我们以后会经常用到:如果选择
,也就是
sigmoid
函数,那么它的导数就是
(如果选择
tanh
函数,那它的导数就是
,你可以根据
sigmoid
(或
tanh
)函数的定义自行推导
这个等式。
神经网络模型
所谓神经网络就是将许多个单一
“
神经元
”
联结在一起,这样,一个
“
神经元
”
的输出就可以是另一个
“
神经元
”
的输入。例如,下图就是一个简单的神经网络:
我们使用圆圈来表示神经网络的输入,标上
“ ”
的圆圈被称为偏置节点,也就是截距项。神经网络最左边的一层叫做输入层,最右的一层叫做输出
层(本例中,输出层只有一个节点)。中间所有节点组成的一层叫做隐藏层,因为我们不能在训练样本集中观测到它们的值。同时可以看到,以上神经网
络的例子中有
3
个输入单元(偏置单元不计在内),
3
个隐藏单元及一个输出单元。
我们用
来表示网络的层数,本例中
,我们将第
层记为
,于是
是输入层,输出层是
。本例神经网络有参数
,其中
(下面的式子中用到)是第
层第
单元与第
层第
单元之间的联接参数(其实就是连
接线上的权重,注意标号顺序),
是第
层第
单元的偏置项。因此在本例中,
,
。注意,没有其他单
元连向偏置单元
(
即偏置单元没有输入
)
,因为它们总是输出
。同时,我们用
表示第
层的节点数(偏置单元不计在内)。
我们用
表示第
层第
单元的激活值(输出值)。当
时,
,也就是第
个输入值(输入值的第
个特征)。对于给定参数集合
,我们的神经网络就可以按照函数
来计算输出结果。本例神经网络的计算步骤如下:
我们用
表示第
层第
单元输入加权和(包括偏置单元),比如,
,则
。
这样我们就可以得到一种更简洁的表示法。这里我们将激活函数
扩展为用向量(分量的形式)来表示,即
,那么,上面的等式可以更简洁地表示为:
我们将上面的计算步骤叫作前向传播。回想一下,之前我们用
表示输入层的激活值,那么给定第
层的激活值
后,第
层的激活
值
就可以按照下面步骤计算得到:
将参数矩阵化,使用矩阵-向量运算方式,我们就可以利用线性代数的优势对神经网络进行快速求解。
目前为止,我们讨论了一种神经网络,我们也可以构建另一种结构的神经网络(这里结构指的是神经元之间的联接模式),也就是包含多个隐藏层的神经
网络。最常见的一个例子是
层的神经网络,第
层是输入层,第
层是输出层,中间的每个层
与层
紧密相联。这种模式下,要计算神经网
络的输出结果,我们可以按照之前描述的等式,按部就班,进行前向传播,逐一计算第
层的所有激活值,然后是第
层的激活值,以此类推,直到
第
层。这是一个前馈神经网络的例子,因为这种联接图没有闭环或回路。
神经网络也可以有多个输出单元。比如,下面的神经网络有两层隐藏层:
及
,输出层
有两个输出单元。
要求解这样的神经网络,需要样本集
,其中
。如果你想预测的输出是多个的,那这种神经网络很适用。(比如,在医疗诊断应
用中,患者的体征指标就可以作为向量的输入值,而不同的输出值
可以表示不同的疾病存在与否。)
中英文对照
neural networks
神经网络
activation function
激活函数
hyperbolic tangent
双曲正切函数
bias units
偏置项
activation
激活值
forward propagation
前向传播
feedforward neural network
前馈神经网络
(
参照
Mitchell
的《机器学习》的翻译
)
剩余73页未读,继续阅读
资源评论
- zlj21332015-01-10深度学习很好的网络教程之一
- suntao4982530972015-05-24中文版的非常好
雷伊_2013
- 粉丝: 21
- 资源: 9
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- [图片动画]iFoto v1.0_ifoto-1.0.1.rar
- ssm+vue的物资物流系统的设计与实现(有报告) Javaee项目,ssm vue前后端分离项目
- 521yy 网站Whois查询 php版 1.0_whois_工具查询网站开发模板(使用说明+PHP源代码+html).zip
- vb药品库房管理系统设计(源代码+可执行程序+论文+开题报告+外文翻译+答辩ppt).rar
- 按键 12864显示_单片机C语言实例(纯C语言源代码).zip
- (FZY314)触屏版HTML5左侧展开导航菜单手机wap网站特效源码.zip
- 红外解码数码管显示_单片机C语言实例(纯C语言源代码).zip
- 案例3 遗传算法优化BP神经网络-非线性函数拟合.zip
- 阳光酒店管理系统(javaapplet+SQL)130425.rar
- 在线词典源码.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功