没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
UFLDL 学习笔记
2023 年 8 月
目录 I
目录
第一章 监督学习和优化 1
1.1 线性回归 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 问题表述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 代价函数最小化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.3 练习题 1A:线性回归 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 逻辑回归 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 练习题 1B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 矢量化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.1 重做练习题 1A 和 1B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 梯度检查 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 多类逻辑回归 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5.1 代价函数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5.2 多类逻辑回归参数的性质 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5.3 与逻辑回归的关系 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5.4 练习题 1C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
第二章 监督神经网络 11
2.1 多层神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.1 神经网络模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.2 反向传播算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 练习:监督神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
第三章 监督卷积神经网络 19
3.1 基于卷积的特征提取 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.1.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.1.2 全连接网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.1.3 局部连接网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.1.4 卷积 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 池化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.1 池化:概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.2 池化的不变性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2.3 形式化描述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3 练习:卷积和池化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3.1 实现并测试卷积 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3.2 实现并测试池化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
目录 II
3.4 优化:随机梯度下降 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4.2 随机梯度下降 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4.3 动量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5 卷积神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.5.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.5.2 架构 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.5.3 反向传播 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.6 练习:卷积神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.6.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
第四章 无监督学习 34
4.1 自编码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.1.1 可视化已训练的自编码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 PCA(主元分析)和白化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2.1 引言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2.2 实例和数学背景 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.2.3 旋转数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.4 数据降维 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2.5 还原近似数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2.6 保留主元个数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.2.7 PCA 算法在图像中的应用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2.8 白化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.9 二维实例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.10 ZCA 白化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2.11 正则化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.2.12 实现主元分析和白化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3 练习:PCA 白化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.4 稀疏编码 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.4.1 概率解释 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.4.2 学习 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.5 ICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.5.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.5.2 正交 ICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.6 RICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.6.1 ICA 总结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
目录 III
4.6.2 RICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.7 练习:RICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
第五章 自学习 56
5.1 自学习 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.1.1 概述 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.1.2 特征学习 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.1.3 数据预处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.1.4 关于无监督特征学习的术语 . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2 练习:自学习 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
插图 IV
插图
2.1 最简单的神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 激励函数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 神经网络模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 多输出神经网络模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.1 卷积神经网络的第一层具有池化操作。相同颜色的单元具有绑定的权重,而不同
颜色的单元代表不同的滤波器映射。 . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.1 自编码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2 相对熵惩罚因子 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3 自编码器的可视化结果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4 PCA 案例数据集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.5 数据变化方向 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.6 旋转后的数据 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.7 ˜x 的点图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.8 重构后 ˆx 的点图 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.9 新特征 x
rot
的分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.10 x
PCAwhite
的分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.11 x
ZCAwhite
的分布 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.12 epsilon=0.1 时的协方差矩阵可视图 . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.13 保留 99% variance(降维后,从原来的 784 降到现在的 300)与原图对比 . . . . . 49
4.14 正则化强度 epsilon=1 时 ZCA Whitened 图与原图对比 . . . . . . . . . . . . . . . 49
4.15 权值矩阵可视化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.1 神经网络 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
剩余63页未读,继续阅读
资源评论
*风沙星辰*
- 粉丝: 0
- 资源: 1
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
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