注明：本人英语水平有限，翻译不当之处，请以英文原版为准，不喜勿喷，另，本文翻译只限于学术交流，不涉及任何版权问题，若有不当侵权或其他任何除学术交流之外的问题，请留言本人，本人立刻删除，谢谢！！本文原作者：G.E.Hinton* and R.S.Salakhutdionv原文地址：http://www...
分类：
Web程序 时间：
2015-07-08 22:23:52
阅读次数：
232
Natural Neural Networks
Google DeepMind又一神作
Projected Natural Gradient Descent algorithm (PRONG) better than SGD as evidenced by the boost in performance offered by batch normalization (BN)
Dee...
分类：
其他好文 时间：
2015-07-08 14:43:35
阅读次数：
136
Convolutional Neural Networks (CNNs / ConvNets)前面做了如此漫长的铺垫，现在终于来到了课程的重点。Convolutional Neural Networks， 简称CNN，与之前介绍的一般的神经网络类似，CNN同样是由可以学习的权值与偏移量构成，每一个神经元接收一些输入，做点积运算加上偏移量，然后选择性的通过一些非线性函数，整个网络最终还是表示成一个可导...
分类：
Web程序 时间：
2015-07-05 16:44:24
阅读次数：
665
Convolutional Neural Network 卷积神经网络是基于人工神经网络提出的。人工神经网络模拟人的神经系统，由一定数量的神经元构成。在一个监督学习问题中，有一组训练数据(xi,yi)(x_i,y_i)，x是样本，y是label，把它们输入人工神经网络，会得到一个非线性的分类超平面hw,b(x)h_{w,b}(x)，在这篇笔记中先梳理一下传统人工神经网络的基本概念，再基于传统人工神经...
分类：
其他好文 时间：
2015-07-05 15:04:01
阅读次数：
1102
ACL2014的best paper Fast and Robust Neural Network Joint Models for Statistical Machine Translation在SMT中使用深度学习知识，提出了一种neural network joint model（其实就是融合源端语言知识去做语言模型），论文实验给出的结果宣称大幅度提高了以往基于n-gram语言模型翻译系统的...
分类：
其他好文 时间：
2015-07-04 14:06:25
阅读次数：
306
深度学习之神经网络与支持向量机 引言：神经网络(Neural Network)与支持向量机(Support Vector Machines，SVM)是统计学习的代表方法。可以认为神经网络与支持向量机都源自于感知机(Perceptron)。感知机是1958年由Rosenblatt发明的线性分类模型。....
分类：
其他好文 时间：
2015-07-03 22:00:00
阅读次数：
138
最近准备从物体检测的角度来重新审视文本检测这个方向，所以看了下CNN大火以后的几篇经典文献，OverFeat，Region CNN， Dense Neural Pattern等等。
对这个方向来说，百闻不如一试，趁着其他程序还在跑没什么事，我安装了一下RCNN来看看效果...
分类：
其他好文 时间：
2015-07-03 19:19:28
阅读次数：
436
Deeplearning原文作者Hinton代码注解 1 Matlab示例代码为两部分，分别对应不同的论文： 2 3 1. Reducing the Dimensionality of data with neural networks 4 5 ministdeepauto.m ...
分类：
Web程序 时间：
2015-07-03 18:56:31
阅读次数：
207
转自http://blog.csdn.net/zouxy09/article/details/8781543CNNs是第一个真正成功训练多层网络结构的学习算法。它利用空间关系减少需要学习的参数数目以提高一般前向BP算法的训练性能。在CNN中，图像的一小部分（局部感受区域）作为层级结构的最低层的输入，...
分类：
Web程序 时间：
2015-07-02 13:34:35
阅读次数：
578
Convolutional Neural Networks at Constrained Time Cost(精读)...
分类：
Web程序 时间：
2015-06-30 23:38:46
阅读次数：
162
