caffe源码分析--poolinger_layer.cpp
对于采样层，cafffe里实现了最大采样和平均采样的算法。
最大采样，给定一个扫描窗口，找最大值，
平均采样，扫描窗口内所有值的平均值。...
分类：
其他好文 时间：
2014-07-30 20:48:44
阅读次数：
348
根据中小型企业信息化关键点，架构设计中小型企业信息扁平化的系统时。需要从企业的业务特征、企业人员素质、系统架构、信息扁平化等角度进行分析、架构、设计与实现，从而达到企业内部物流、资金流、信息流的高度整合，实现企业内部信息信息化及高度共享。 1、系统架构：中小型制造行业的业务变更频繁，在进行软件架构时...
分类：
其他好文 时间：
2014-07-28 13:48:30
阅读次数：
271
影响网站访问速度：带宽/数据库连接池，php中没有连接池概念1.页面静态化，核心即把动态网页转为静态网页，从而减少对数据库操作的次数。2.缓存技术（memcached）3.服务器集群（a.硬件b.软件架构）4.数据库优化（a.表结构（符合3NF）b.添加适当索引（1.1主键索引1.2普通索引1.3..
分类：
其他好文 时间：
2014-07-27 11:58:48
阅读次数：
257
约束玻尔兹曼机（RBM）是一类具有两层结构、对称连接无自反馈的随机神经网络模型，层与层之间是全连接，层内无连接，它是一种有效的特征提取方法，常用于初始化前馈神经网络，可明显提高泛化能力。而由多个RBM结构堆叠而成的深度信念网络（DBN）能提取出更好更抽象的特征，从而用来分类。...
分类：
其他好文 时间：
2014-07-27 11:48:43
阅读次数：
221
ConvNet是一个基于GPU实现的卷积神经网络开源代码（C++11），是由多伦多大学的Geoffrey Hinton深度学习团队编写的，它的最初版本是Hinton的学生Alex Krizhevsky编写的cuda-convnet（其项目地址在google code上面），最近cuda-convnet也从1.0版本更新到2.0版本（地址）。
在CNN的开源代码中最出名的主要有两个，一个是Berkeley Caffe，另一个是Toronto Convnet。Berkeley的Caffe我目前还没有研究过它的代...
分类：
Web程序 时间：
2014-07-26 02:53:06
阅读次数：
276
一直犹豫稀疏编码怎么写，来来回回看了好几遍的UFLDL。因为这不仅是DL深度学习的重要概念，也是我这段时间一直在研究的stacked ISA 深度特征学习的支柱。
这章将主要介绍一下稀疏编码的主要概念，及主成分分析的方法。
稀疏编码算法是一种无监督（unsupervised）学习方法，它用来寻找一组“超完备”基向量来更高效地表示样本数据。（设x的维数为n，则k>n）
超完备基能更有效地找...
分类：
其他好文 时间：
2014-07-26 02:23:36
阅读次数：
614
一个月前，自己模仿caffe实现了一个卷积神经网络的框架。
一个月前，自己模仿caffe实现了一个卷积神经网络的框架。
相同点
1无缝支持CPU和GPU模式，GPU模式使用cuda实现。
不同点
1我的CNN不依赖与任何第三方的函数库，caffe用到了第三方的数学函数库（cublas和mkl）来做矩阵操作。
其实区别就在于...
分类：
其他好文 时间：
2014-07-26 02:17:46
阅读次数：
334
本文翻译自2007-To recognize shapes, first learn to generate images, Geoffrey Hinton.第五种策略的设计思想是使得高层的特征提取器能够和底层的进行通信, 同时可以很容易地使用随机二态神经元的分层网络来实现.这些神经元的激活概率是关...
分类：
其他好文 时间：
2014-07-25 16:41:21
阅读次数：
597
实现我们构造了RBM类. 网络的参数可以通过构造器或者是输入参数初始化.这样RBM可以用作构造一个深度网络, 在这种情况下, 权值矩阵和隐层偏置是和一个MLP网络的sigmoidal层共享的.写好构造函数, 对一些参数的默认值进行设置, 并完成一系列的初始化权值初始化成均匀分布偏置初始化成0定义与(...
分类：
其他好文 时间：
2014-07-23 16:49:11
阅读次数：
455
基于能量的模型(EBM)基于能量的模型将每一个我们感兴趣的变量构造联系到一个标量能量上. 学习就是修改能量方程从而使得它的外形有我们需要的特点. 举例来说, 我们希望的是: 期望构造的能量低. 基于能量的概率性模型定义了一个概率分布, 它是由能量方程决定的:归一化因子Z被称为配分函数, 类比于物理系...
分类：
其他好文 时间：
2014-07-23 15:47:59
阅读次数：
382
