深度学习教程
2016-03-21 21:28
375 查看
深度学习教程¶
深学习是机器学习研究,已引入了移动机器学习更接近其原来的目标之一为目标的新领域:人工智能。看到这些课程笔记一简要介绍机器学习的AI和介绍了深学习算法。
深度学习是关于学习的代表性和抽象的多层次,有助于使诸如图像,声音和文本数据的意义。欲了解更多有关深学习算法,参见例如:
专着或论文评审学习的AI深体系结构(基础及发展趋势在机器学习,2009年)。
在学习功能层次的ICML 2009年研讨会的网页有一个参考的列表。
莉萨公开的维基有一个阅读清单和参考书目。
杰夫·韩丁有读数从2009年的NIPS教程。
这里介绍的教程将介绍一些最重要的深度学习算法,也将告诉你如何使用运行它们Theano。Theano是一个Python库,使得容易写深度学习模型,并给出了训练他们在GPU上的选项。
该算法的教程有一些先决条件。你应该知道一些Python,并熟悉numpy的。因为这个教程是关于使用Theano,你应该阅读过Theano基础教程第一。一旦你做到这一点,请阅读我们的入门篇-介绍了记号,并在算法使用教程[下载]的数据集,我们通过随机梯度下降优化的方式。
纯粹的监督学习算法旨在以被读取:
Logistic回归 -使用Theano简单的东西
多层感知 -介绍层
深卷积网 - LeNet5的简化版本
无监督和半监督学习算法,可以以任意顺序(自动编码器可以读取独立于RBM / DBN线程)读取:
自动编码器,降噪Autoencoders - autoencoders的说明
堆叠降噪自动编码器 -简单的步骤进入深网无监督前培训
受限玻尔兹曼机 -单层生成RBM模型
深信念网络 -叠RBMS的无监督生成前培训后监督微调
对包括mcRBM模型的基础上,我们对能源车型采样新教程:
HMC取样 -混合动力(又名汉密尔顿)蒙特卡洛采样与扫描()
对包括压缩型自动编码器教程的基础上,我们的代码现在:
收缩自动编码器代码-有一个在代码中的一些基本的文档。
递归神经网络与字嵌入和上下文窗口:
使用回归神经网络的语音语义分析
LSTM网络情感分析:
LSTM网络
能源为基础的回归神经网络(RNN-RBM):
和弦音乐建模与生成序列
请注意,这里的教程都与Python 2和3兼容的除外建模和和弦音乐的生成序列与RNN-RBM这是唯一可用的Python 2。
相关文章推荐
- 开发中遇到tomcat有关问题问题
- 学习笔记:二分法排序,选择排序,冒泡排序,以及递归算法.
- ACM程序设计选修课——1058: Lucky Sequence(思考)
- java编程思想第四版中net.mindview.util的jar包导入
- LC124 Binary Tree Maximum Path Sum
- day13_普通表转换成分区表——抽奖记录历史表改造方案
- day12_存储过程调试权限
- day12_oracle hint——SQL优化过程中常见Oracle中HINT的30个用法
- day12_oracle hint——oracle hint例子
- 作业三(下)安装VS2013
- CSS Sprites
- 2016SDAU课程练习一1001 Problem B
- Java以逗号分隔而组成的两个字符串,获取相同元素的字符串
- NHibernate常见错误汇总(0)-持续更新中
- 《构建之法》读后感
- 构建之法1,2,3读后感
- Labeling Balls(poj3687)
- day12_nohup
- day12_权限角色——权限控制详细
- day12_程序包