深度学习理论
2012-05-05 12:42
253 查看
深度学习理论及其在语音信号处理的可能应用
已有 428 次阅读 2011-9-4 10:39|系统分类:科研笔记深度学习(Deep Learning)理论是对深度信念网络的基础上总结发展起来的一门新兴学科,该理论在视觉、声音、语言处理方面已经得到了成功的应用。目前在语音处理方面主要集中在语音识别上,当然,该理论还可能在以下方面得到应用,其中包括:
Single Channel Source Separation Multi-Pitch Tracking Speech Recognition Speech Enhancement Voice Conversion Bandwidth Extension
[1] G. E. Hinton, “Learning multiple layers of representation.”
[2] G. E. Hinton and S. Osindero, “A fast learning algorithm for deep belief nets,” Neural Computation, vol. 18, p. 2006, 2006.
[3] D. Erhan, Y. Bengio, A. Courville, P.-A. Manzagol, P. Vincent, and S. Bengio, “Why does unsupervised pre-training help deep learning?” Journal of Machine Learning Research, vol. 11, p. 625?660, 2010.
附录:教学视频 http://videolectures.net/nipsworkshops09_erhan_wduphddl/
本文引用地址:http://bbs.sciencenet.cn/blog-325995-482753.html
相关文章推荐
- 深度学习笔记——理论与推导之Reinforcement Learning(十三)
- 机器学习、深度学习的理论与实战入门建议整理(三)
- 专访丨周志华:深度学习理论探讨比应用滞后太多
- 深度学习笔记——理论与推导之RNN的训练过程BPTT(五)
- 深度学习笔记八:长短时记忆网络LSTM(基本理论)
- 深度学习理论与技术的重点研究方向
- 深度学习之二——相关数学基础(线性代数理论)
- 深度学习入门基础 ----- Python快速教程 、深度学习理论基础、Tensorflow基础
- 深度学习笔记——理论与推导之Structured Learning【Structured Linear Model】(六)
- 纳什均衡-深度学习-最优传输理论
- 深度学习笔记——理论与推导之Structured Learning【Markov Logic Network】(十一)
- 徐海蛟:深度学习与计算机视觉理论与实验4
- 深度学习笔记——理论与推导之Structured Learning【Structured SVM】(七)
- 浅入浅出深度学习理论与实践
- 斯坦福大学-2017年-秋-最新深度学习基本理论课程分享
- 深度学习机器学习面试题(理论基础)
- 深度学习——梯度下降实现对感知器的权重优化问题的分析(理论加上梯度下降的代码实现)
- 对话 | 汪玉对话周志华:深度学习理论探讨比应用滞后太多
- 深度学习笔记——理论与推导之Structured Learning【Markov Random Field】(十)
- 深度学习基础理论探索(一):激活函数、梯度消失