深度学习ufldl教程.pdf

Deep Learning - Ng UFLDL教程 From Ufldl 说明：本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能 学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。 本教程假定机器学习的基本知识 （特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果 你不熟悉这些想法，我们建议你去这里 机器学习课程 (/MainFolder/CoursePage.php? course MachineLearning) ，并先完成第II，III，IV章 （到逻辑回归）。 稀疏 自编码器 神经网络 反向传导算法 梯度检验与高级优化 自编码算法与稀疏性 可视化自编码器训练结果 稀疏自编码器符号一览表 Exercise:Sparse Autoencoder 矢量化编程实现 矢量化编程 逻辑回归的向量化实现样例 神经网络向量化 Exercise:Vectorization 预处理：主成分分析与 白化 主成分分析 白化 实现主成分分析和白化 Exercise:PCA in 2D Exercise:PCA and Whitening Softmax回归 Softmax回归 Exercise:Softmax Regression 自我学习与无监督特征学习 自我学习 Exercise:Self-Taught Learning wbx Deep Learning - Ng 建立分类用深度网络 从自我学习到深层网络 深度网络概览 栈式自编码算法 微调多层自编码算法 Exercise: Implement deep networks for digit classification 自编码线性解码器 线性解码器 Exercise:Learning color features with Sparse Autoencoders 处理大型图像 卷积特征提取 池化 Exercise:Convolution and Pooling 注意 : 这条线以上的章节是稳定的。下面的章节仍在建设中，如有变更，恕不另行通知。请随 意浏览周围并欢迎提交反馈/建议。 混杂的 MATLAB Modules Style Guide Useful Links 混杂的主题 数据预处理 用反向传导思想求导 进阶主题 : 稀疏编码 稀疏编码 稀疏编码 自编码表达 Exercise:Sparse Coding 独立成分分析样式建模 独立成分分析 Exercise:Independent Component Analysis 其它 wbx Deep Learning - Ng Convolutional training Restricted Boltzmann Machines Deep Belief Networks Denoising Autoencoders K-means Spatial pyramids / Multiscale Slow Feature Analysis Tiled Convolution Networks 英文原文作者: Andrew Ng, Jiquan Ngiam, Chuan Yu Foo, Yifan Mai, Caroline Suen Language : English Retrieved from /wiki/index.php/UFLDL%E6%95%99%E7%A8%8B This page was