DL深度学习解读.pptx

  1. 1、本文档共27页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
DL深度学习解读

概念介绍 算法介绍 现有库 概念简介 为什么有Deep learning?Why 什么是Deep learning?What 怎么来的? 概念简介 机器学习思路(图像识别为例): FR: 手工选取费力,费时,专业性能力 Input Feature Representation LA 概念简介 概念简介 机器学习就是通过算法,使得机器能从大量的历史数据中学习规律,从而对新的样本做智能识别或预测未来。 深度学习是机器学习研究中的一个新的领域,通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。 深度学习是无监督学习的一种(仅对特征提取)。 又名Unsupervised Feature Learning 概念简介 1、浅层学习(Shallow Learning):机器学习第一次浪潮 基于BP(反向传播)算法,1层或2层 主要算法:LR,SVM,MLP,Boosting,Bayes 2、深度学习(Deep Learning):机器学习第二次浪潮 逐层初始化,layer-wise,多层 主要算法:AutoEncoder, DBM,CNN,RNN “深度模型”是手段,“特征学习”是目的。 算法介绍 算法介绍-AutoEncoder 1、AutoEncoder 算法介绍-AutoEncoder 2、Denoising Autoencoder 算法介绍-AutoEncoder 算法介绍-DBM 算法介绍-DBM 算法介绍-CNN 算法介绍-CNN 算法介绍-CNN 卷积和子采样 算法介绍-RNN 算法介绍-RNN 算法介绍-LSTM 算法介绍-LSTM 算法介绍-LSTM 遗忘门限层:决定哪些信息需要从单元状态中抛弃 ft的值为0或1,0表示抛弃,1表示保留 算法介绍-LSTM tanh层: 决定有哪些信息有可能加入到新状态 输入门限层:决定哪些信息需要加入到新状态 ft的值为0到1,0表示不加入,1表示完全加 入,(0,1)表示按比例加入 算法介绍-LSTM Cell更新层:更新旧Cell状态,包括两部分信息 第一部分为上一个Cell通过的信息, 第二部分为本次更新的信息 算法介绍-LSTM 输出层: tanh层将Cell状态规则化 Ot层决定要输出哪些部分,进行过滤 现有库 现有库 Thanks!

文档评论(0)

shuwkb + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档