没有合适的资源?快使用搜索试试~ 我知道了~
Deep-Learning的简单介绍! 1. Deep Learning的定义及历史: 2. 无监督学习模块: 3. Building a Deep Network: 4. Convolutional Neural Network(CNN): 5. Recurrent Neural Network(RNN): 6. Some Tricks in DL: 7. 特征的可视化: 8. DL的应用: 9. DL的未来:
资源推荐
资源详情
资源评论
Deep Learning简单介绍
吴伟
新浪微博:tornadomeet
博客地址:www.cnblogs.com/tornadomeet
2014.06.19
#1 Outline
1. Deep Learning的定义及历史:
DL定义,DL历史,BP算法, pre-training, fine-tuning
2. 无监督学习模块:
1. Auto-encoder(sparse auto-encoder, denoising auto-encoder,
contractive auto-encoder)
2. RBM(loss函数表达式,GRBM, CD算法,PCD算法等)
3. Sparse Coding( project gradient descent, block coordinate
descent, ISTA, PSD)
3. Building a Deep Network:
1. DNN, Deep Auto-encoder
2. DBN
3. DBM
4. DSN
4. Convolutional Neural Network(CNN):
1. BP in CNN
2. 预训练:PCANet, Convolutional Auto-encoder, Convolutional RBM,
Convolutional Sparse Coding (Deconvolution NN),Convolutional PSD
3. CNN改进思路
#2 Outline
5. Recurrent Neural Network(RNN):
基本结构图和BPTT算法。
6. Some Tricks in DL:
1. trick来源
2. dropout, Noise in Activations, maxout, dropout,
dropconnect, ReLU, tiled CNN
7. 特征的可视化:
最大化激活值法、采样法、上层权值线性组合法、Deconvolution法
8. DL的应用:
Acoustic Model, Object Recognition(有监督,无监督), NLP
9. DL的未来:
1. Why need deep?
2. What’s wrong with back-propagation?
3. A Theoretician's Nightmare?
4. What’s need to be solved in DL?
5. What’s the hot topic next in DL?
10. DL的一些资料
一、Deep Learning定义及历史
• DL的定义
• DL的历史
• BP算法
• Pre-training
• Fine-tuning
Deep Learning的定义
• Deep learning is a set of algorithms in machine
learning that attempt to model high-level
abstractions in data by using architectures
composed of multiple non-linear transformations.
———wikipedia的最新定义
1. DL是机器学习算法的一种
2. DL是用来提取数据的高层、抽象的特征
3. DL是由多重非线性变换复合而成(意味着DL并不
一定是Deep Neural Network)
剩余142页未读,继续阅读
资源评论
menmodel
- 粉丝: 20
- 资源: 12
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
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