Recently, I have read a paper about the integration of deep learing and neuroscience, which elaborates the two recent developments emerged within mach ...
分类：
其他好文 时间：
2016-07-14 01:29:48
阅读次数：
174
6.1 从异或函数说起
为了使前馈网络的概念更具体化，我们先从一个简单地例子说起，这个例子中，我们使用前馈网络解决一个简单的任务：学习异或函数。
众所周知，异或(XOR)操作是一种针对二进制值的二目操作符。当两个操作数不同时返回1，其他返回0.异或函数为我们提供了我们想要学习到的目标函数y=f*(x)，而我们的模型提供了函数y=f(x;θ...
分类：
其他好文 时间：
2016-07-13 16:26:53
阅读次数：
207
即使不是 NLPer，现实中依然会面对很多序列问题。
全文内容来自 Ian Goodfellow, Yoshua Bengio 和 Aaron Courville 3位大老爷的作品“Deep Learning”的其中一章“Sequence Modeling: Recurrent and Recursive Nets”。...
分类：
其他好文 时间：
2016-07-13 16:07:25
阅读次数：
2293
Continuous Deep Q-Learning with Model-based Acceleration 本文提出了连续动作空间的深度强化学习算法。 开始正文之前，首先要弄清楚两个概念：Model-free 和 Model-based。引用 周志华老师的《机器学习》中的一段话来解释这个概念， ...
分类：
其他好文 时间：
2016-07-12 21:16:09
阅读次数：
1954
参见链接文献如下： http://blog.csdn.net/zouxy09/article/details/8775518 Deep Learning和 neural network异同 二者的相同在于deep learning采用了神经网络相似的分层结构，系统由包括输入层、隐层（多层）、输出层组 ...
分类：
其他好文 时间：
2016-07-12 11:48:16
阅读次数：
158
该文章转自深度学习微信公众号 深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特 ...
分类：
Web程序 时间：
2016-07-08 21:33:33
阅读次数：
210
Deep Learning学习笔记: Deep Learning 21：针对调制信号分类的深度学习尝试3 Deep Learning 20：针对调制信号分类的深度学习尝试2_CNN Deep Learning 19_深度学习UFLDL教程：Convolutional Neural Network_E ...
分类：
其他好文 时间：
2016-07-07 15:44:27
阅读次数：
175
本文为数盟特约作者投稿，欢迎转载，请注明出处“数盟社区”和作者
博主简介：段石石，1号店精准化推荐算法工程师，主要负责1号店用户画像构建，喜欢钻研点Machine Learning的黑科技，对Deep Learning感兴趣，喜欢玩kaggle、看9神，对数据和Machine Learning有兴趣咱们可以一起聊聊，个人博客： hacker.duanshishi.com
Sp...
分类：
系统相关 时间：
2016-07-05 10:24:44
阅读次数：
428
英文原文请参考http://www.deeplearning.net/tutorial/rbm.html 能量模型 Energy-based models associate a scalar energy to each configuration of the variables of inte ...
分类：
其他好文 时间：
2016-07-04 22:01:50
阅读次数：
208
前言： 本节主要是练习regularization项的使用原则。因为在机器学习的一些模型中，如果模型的参数太多，而训练样本又太少的话，这样训练出来的模型很容易产生过拟合现象。因此在模型的损失函数中，需要对模型的参数进行“惩罚”，这样的话这些参数就不会太大，而越小的参数说明模型越简单，越简单的模型则越... ...
分类：
其他好文 时间：
2016-07-04 11:47:41
阅读次数：
256
