斯坦福大学-深度学习基础教程

春暖花开

斯坦福大学-深度学习基础教程

斯坦福大学-深度学习基础教程.pdf (9.43 MB, 下载次数: 24)

2016-3-27 16:00 上传

点击文件名下载附件
下载积分: 金钱 -1

UFLDL教程
From Ufldl
说明：本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能
学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。
本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果
你不熟悉这些想法，我们建议你去这里
机器学习课程 (http://openclassroom.stanford.edu/MainFolder/CoursePage.php?
course=MachineLearning) ，并先完成第II，III，IV章（到逻辑回归）。
稀疏自编码器
神经网络
反向传导算法
梯度检验与高级优化
自编码算法与稀疏性
可视化自编码器训练结果
稀疏自编码器符号一览表
Exercise:Sparse Autoencoder
矢量化编程实现
矢量化编程
逻辑回归的向量化实现样例
神经网络向量化
Exercise:Vectorization
预处理：主成分分析与白化
主成分分析
白化
实现主成分分析和白化
ExerciseCA in 2D
ExerciseCA and Whitening
Softmax回归
Softmax回归
Exercise:Softmax Regression
自我学习与无监督特征学习
自我学习
Exercise:Self-Taught Learning
Deep Learning - Ng
wbx
建立分类用深度网络
从自我学习到深层网络
深度网络概览
栈式自编码算法
微调多层自编码算法
Exercise: Implement deep networks for digit classification
自编码线性解码器
线性解码器
Exerciseearning color features with Sparse Autoencoders
处理大型图像
卷积特征提取
池化
Exercise:Convolution and Pooling
注意: 这条线以上的章节是稳定的。下面的章节仍在建设中，如有变更，恕不另行通知。请随
意浏览周围并欢迎提交反馈/建议。
混杂的
MATLAB Modules
Style Guide
Useful Links
混杂的主题
数据预处理
用反向传导思想求导
进阶主题:
稀疏编码
稀疏编码
稀疏编码自编码表达
Exercise:Sparse Coding
独立成分分析样式建模
独立成分分析
Exercise:Independent Component Analysis
其它
Deep Learning - Ng
wbx
Convolutional training
Restricted Boltzmann Machines
Deep Belief Networks
Denoising Autoencoders
K-means
Spatial pyramids / Multiscale
Slow Feature Analysis
Tiled Convolution Networks
英文原文作者: Andrew Ng, Jiquan Ngiam, Chuan Yu Foo, Yifan Mai, Caroline Suen
Language : English
Retrieved from
"http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B"
This page was last modified on 7 April 2013, at 18:26.