码迷,mamicode.com
首页 >  
搜索关键字:caffe 深度学习    ( 4625个结果
从自我学习到深层网络——建立你的第1个深度网络分类器
自我学习就是稀疏编码器串联一个Softmax分类器,上一节看到,训练400次,准确率为98.2% 在此基础上,我们可以搭建我们的第一个深度网络:栈式自编码(2层)+Softmax分类器   简单地说,我们把稀疏自编码器的输出作为更高一层稀疏自编码器的输入。 和自我学习很像,似乎就是新加了一层,但是其实不然: 新技巧在于,我们这里有个微调的过程,让残差从最高层向输入层传递,微调整个网络权重...
分类:其他好文   时间:2014-08-16 12:37:40    阅读次数:220
linger博客原创性博文导航
linger博客原创性博文导航 http://blog.csdn.net/lingerlanlan 大学研究游戏外挂技术开始了此博客,断断续续写了些博文。后来,开始机器学习和深度学习的研究工作,由于喜欢和热爱,业余时间也经常性学习,并写博文总结。因此,博文越来越多,由于博文是根据时间排序的,看起来有点乱,所以在此处写个导航。 UFLDL学习笔记和编程 ufldl...
分类:其他好文   时间:2014-08-15 00:01:26    阅读次数:372
Multi-Scale Orderless Pooling of Deep Convolutional Activation Features
学习笔记之《Multi-Scale Orderless Pooling of Deep Convolutional Activation Features》...
分类:其他好文   时间:2014-08-14 20:48:29    阅读次数:393
CNN: Single-label to Multi-label
学习笔记之《CNN: Single-label to Multi-label》...
分类:其他好文   时间:2014-08-13 19:03:37    阅读次数:502
自我学习(Self-Taught Learning)
自我学习就是把稀疏自编码器与Softmax回归分类器串联起来。 稀疏编码器是用来无监督学习的,使用无标签数据。 Softmax回归分类器是有监督学习,使用标签数据。   实际生活中,我们能轻松获得大量无标签数据(如从网上随机下载海量图片) 难以获得大量有标签数据(有标签的数据库通常不会太大,而且很贵)   如果我们手头上只有少量标签数据,但是有大量的无标签数据,这是就可以采用自我...
分类:其他好文   时间:2014-08-13 13:03:36    阅读次数:493
Softmax回归——识别MINST数据库
Softmax回归就是推广版本的逻辑回归。 只不过逻辑回归是个2分类问题,而Softmax是多分类问题,仅此而已。 Softmax回归在2分类情况下就蜕化成了逻辑回归。 逻辑回归的代价函数 考虑到权重衰减,修改一下就是Softmax回归的代价函数了 这里的权重衰减项是必须的,因为原先的代价函数不是严格凸函数,有无穷个极小值。现在加了这个权重衰减项,函数变成了严格凸函数。L...
分类:数据库   时间:2014-08-12 17:10:34    阅读次数:502
FPGA机器学习之学习的方向
经过了2个月对机器学习的了解后,我发现了,机器学习的方向多种多样。网页排序,语音识别,图像识别,推荐系统等。算法也多种多样。看见其他的书后,我发现除了讲到的k均值聚类,贝叶斯,神经网络,在线学习等等,还有很多其他的算法。比如说:免疫算法,遗传算法,主成分分析,蚁群算法等等。好像很多算法都是需要做很多的研究才能用的很好的。据说深度学习是由神经网络升级来的。神经网络本身就是一本书,内容很多。龙星计划里...
分类:其他好文   时间:2014-08-12 00:39:33    阅读次数:206
主成分分析与白化预处理
上一节介绍了主成分分析应用于2维数据。现在使用高维的图像数据来试试效果。 原始图像如图1所示。 图1 每个图片都是12*12的小patch,原始数据是一个144*10000的矩阵x。 在使用了PCA旋转之后,可以检查一下此时的协方差矩阵是否已经成功变成对角阵了,如图2所示。 avg=mean(x,1); x=x-repmat(avg,size(x,1),1); xRot = ze...
分类:其他好文   时间:2014-08-11 21:28:52    阅读次数:429
主成分分析(PCA)——以2维图像为例
这一节不论是思想还是实现都比较容易。 主成分分析(PCA)就是模式识别里面说的K-L变换,思想是完全相同的。 详情可见我的博文:特征选择(三)-K-L变换 这里简单介绍几个概念。顺便贴出代码和效果图。 xRot = zeros(size(x)); xRot=u'*x; figure(2); scatter(xRot(1, :), xRot(2, :)); title('xRot');得到原...
分类:其他好文   时间:2014-08-11 18:04:42    阅读次数:309
矢量化编程——以MNIST为例
矢量化编程就是用矢量运算取代所有的显式for循环。 上一节所用的是512*512*10的数据集很小,我们取的patch很小(8*8),学来的特征很少(25),而我又注释掉了梯度校验(偷懒),所以程序用了1分钟就跑完了(i5处理器)。   但实际上我们遇到的问题规模比这个打太多了,稍微大一点的数据集比如说MNIST,这个数据库是另外一个更大的手写体数据库NIST的子集,包含60000个训练例子...
分类:其他好文   时间:2014-08-11 12:10:22    阅读次数:323
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!