深度学习(Deep Learning)综述
2016-03-23 07:50
531 查看
原文网址:http://www.cnblogs.com/ysjxw/archive/2011/10/08/2201819.html
深度学习是ML研究中的一个新的领域,它被引入到ML中使ML更接近于其原始的目标:AI。查看a brief introduction to Machine Learning for AI 和 an
introduction to Deep Learning algorithms.
深度学习是关于学习多个表示和抽象层次,这些层次帮助解释数据,例如图像,声音和文本。对于更多的关于深度学习算法的知识,查看:
The monograph or review paper Learning Deep Architectures for AI (Foundations
& Trends in Machine Learning, 2009).
The ICML 2009 Workshop on Learning Feature Hierarchies webpage has a list
of references.
The LISA public wiki has a reading
list and a bibliography.
Geoff Hinton has readings from last year’s NIPS
tutorial.
这篇综述主要是介绍一些最重要的深度学习算法,并将演示如何用Theano来运行它们。Theano是一个python库,使得写深度学习模型更加容易,同时也给出了一些关于在GPU上训练它们的选项。
这个算法的综述有一些先决条件。你应该首先知道一个关于python的知识,并熟悉numpy。由于这个综述是关于如何使用Theano,你应该首先阅读Theano basic tutorial。一旦你完成这些,阅读我们的Getting
Started章节---它将介绍概念定义,数据集,和利用随机梯度下降来优化模型的方法。
纯有监督学习算法可以按照以下顺序阅读:
Logistic Regression - using Theano for something simple
Multilayer perceptron - introduction to layers
Deep Convolutional Network - a simplified version of LeNet5
无监督和半监督学习算法可以用任意顺序阅读(auto-encoders可以被独立于RBM/DBM地阅读):
Auto Encoders, Denoising Autoencoders - description of autoencoders
Stacked Denoising Auto-Encoders - easy steps into unsupervised pre-training for deep nets
Restricted Boltzmann Machines - single layer generative RBM model
Deep Belief Networks - unsupervised generative pre-training of stacked RBMs followed by supervised
fine-tuning
关于mcRBM模型,我们有一篇新的关于从能量模型中抽样的综述:
HMC Sampling - hybrid (aka Hamiltonian) Monte-Carlo sampling with scan()
深度学习是ML研究中的一个新的领域,它被引入到ML中使ML更接近于其原始的目标:AI。查看a brief introduction to Machine Learning for AI 和 an
introduction to Deep Learning algorithms.
深度学习是关于学习多个表示和抽象层次,这些层次帮助解释数据,例如图像,声音和文本。对于更多的关于深度学习算法的知识,查看:
The monograph or review paper Learning Deep Architectures for AI (Foundations
& Trends in Machine Learning, 2009).
The ICML 2009 Workshop on Learning Feature Hierarchies webpage has a list
of references.
The LISA public wiki has a reading
list and a bibliography.
Geoff Hinton has readings from last year’s NIPS
tutorial.
这篇综述主要是介绍一些最重要的深度学习算法,并将演示如何用Theano来运行它们。Theano是一个python库,使得写深度学习模型更加容易,同时也给出了一些关于在GPU上训练它们的选项。
这个算法的综述有一些先决条件。你应该首先知道一个关于python的知识,并熟悉numpy。由于这个综述是关于如何使用Theano,你应该首先阅读Theano basic tutorial。一旦你完成这些,阅读我们的Getting
Started章节---它将介绍概念定义,数据集,和利用随机梯度下降来优化模型的方法。
纯有监督学习算法可以按照以下顺序阅读:
Logistic Regression - using Theano for something simple
Multilayer perceptron - introduction to layers
Deep Convolutional Network - a simplified version of LeNet5
无监督和半监督学习算法可以用任意顺序阅读(auto-encoders可以被独立于RBM/DBM地阅读):
Auto Encoders, Denoising Autoencoders - description of autoencoders
Stacked Denoising Auto-Encoders - easy steps into unsupervised pre-training for deep nets
Restricted Boltzmann Machines - single layer generative RBM model
Deep Belief Networks - unsupervised generative pre-training of stacked RBMs followed by supervised
fine-tuning
关于mcRBM模型,我们有一篇新的关于从能量模型中抽样的综述:
HMC Sampling - hybrid (aka Hamiltonian) Monte-Carlo sampling with scan()
相关文章推荐
- 成都Uber优步司机奖励政策(3月23日)
- 【BZOJ1037】[ZJOI2008]生日聚会Party【计数DP】【特殊的姿势】
- 正确使用 Volatile 变量
- 北京Uber优步司机奖励政策(3月23日)
- spring初步和struts2整合
- viewController的View创建
- mysql与oracle语法差异
- 滴滴快车奖励政策,高峰奖励,翻倍奖励,按成交率,指派单数分级(3月23日)
- 为什么未来是全栈工程师的世界?
- 通过代码不让苹果渲染我们的图片
- 1083 Cantor表
- HDU 1203 I NEED A OFFER!(基础背包)
- 设置按钮的尺寸和图片一样大
- 尺寸加载完毕
- 设置窗口层级关系
- 修改导航栏内容
- 程序启动过程
- 创建UIWindow
- Facebook Phone Interview: Phone Number to Letter Combinations (easy)
- 通过xib创建viewcontroller