UFLDL 教程学习笔记(二)反向传导算法
2014-03-11 10:21
260 查看
UFLDL(Unsupervised Feature Learning and Deep Learning)Tutorial 是由 Stanford 大学的 Andrew Ng 教授及其团队编写的一套教程,内容深入浅出,有很强的实用性,学习起来,让人有种酣畅淋漓的感觉。邓侃博士于今年 2 月 20 日起,在新浪微博上召集志愿者对该教程进行翻译,并于 4 月 8 日全部完成,非常感谢所有参与者的辛勤劳动。本系列文章主要是对这套教程资料的整理,部分内容加入了自己的一些理解和注释。
第一篇 稀疏自编码器
作者: peghoty
出处: http://blog.csdn.net/itplus/article/details/11022243
相关文章推荐
- UFLDL 教程学习笔记(二)反向传导算法
- UFLDL 教程学习笔记(二)反向传导算法
- UFLDL 教程学习笔记(二)反向传导算法
- UFLDL 教程学习笔记(二)
- UFLDL 教程学习笔记:2.矢量化编程实现
- UFLDL 教程学习笔记:3.预处理-主成分分析与白化
- 深度学习入门教程UFLDL学习实验笔记二:使用向量化对MNIST数据集做稀疏自编码
- UFLDL 教程学习笔记(三)自编码与稀疏性
- UFLDL 教程学习笔记(一)
- 深度学习入门教程UFLDL学习实验笔记三:主成分分析PCA与白化whitening
- UFLDL 教程学习笔记(三)自编码与稀疏性
- 深度学习笔记:稀疏自编码器(2)——反向传导
- UFLDL 教程学习笔记(三)
- UFLDL 教程学习笔记:4.Softmax回归
- UFLDL教程笔记及练习答案三(Softmax回归与自我学习***)
- UFLDL 教程学习笔记(四)主成分分析
- UFLDL 教程学习笔记(四)主成分分析
- UFLDL 教程学习笔记(四)
- 深度学习入门教程UFLDL学习实验笔记一:稀疏自编码器
- UFLDL 教程学习笔记:5.自我学习与无监督特征学习