全图表征学习算法之无监督学习和基于卷积神经网络的监督学习

https://www.toutiao.com/a6640000238176174600/

2018-12-28 19:12:09

已有的全图表征学习算法包括无监督和有监督两类，其中有监督算法又可以分为基于卷积网络和神经消息通信两种算法，今天一起来看看无监督方法和基于卷积神经网络的监督方法。

基于深度核函数的无监督方法深度图函数算法建立在传统的图核函数方法的基础之上，每个图结构可以分解成为不同的子图结构。但是，与传统的图核函数方法不同，对于深度核函数算法，每个子图结构表示为一个低维连续向量。具体来说，每个图结构首先分解成为一系列子图结构，每个子图结构对应自然语言中的词，整个子图结构集合对应一个句子。通过分解不同的图结构，该算法建立了不同子图结构的共现关系，然后再利用词向量学习模型CBOW或者Skipgram来学习子图结构向量。这类算法是无监督的无须利用任何外部标签信息，只是利用了网络的内部结构。

基于卷积神经网络的监督方法卷积神经网络在图像上取得了成功，其核心思想是构造不同的感受野抽取图像的局部特征。为了把卷积神经网络运用于网络结构表征学习，关键问题是如何在网络结构上定义感受野。算法的第一步是在网络上选择一些重要的节点，把每个节点的局部结构作为感受野的输入。由于感受野必须是一个有序的特征序列，但是节点的局部网络拓扑结构是无序的，因此算法的第二步是把每个节点的局部结构变成一个有序的序列。把不同节点的局部结构变成一个有序特征序列之后，可以把标准的卷积网络算法运用到该特征序列上进行特征提取。

全图表征学习算法之无监督学习和基于卷积神经网络的监督学习相关推荐

人工智能：深度学习算法及应用——简单理解CNN卷积神经网络并python实现（带源码）
深度学习算法及应用一. 实验目的二. 实验要求三. 实验的硬件.软件平台四. 实验原理 1.1. 深度学习概述 1.2. 深度学习的常见结构 1.3. 卷积神经网络(CNN) **卷积** * ...
基于卷积神经网络的垃圾图像分类算法
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达垃圾分类作为资源回收利用的重要环节之一, 可以有效地提高资源回收利 ...
《基于卷积神经网络的深度迁移学习，用于燃气轮机燃烧室的故障检测》论文阅读
目录突出抽象引言 1.1动机 1.2文献综述获得的结论 1.3贡献 1.4组织 2方法 2.1燃汽轮机组故障知识共享 2.2迁移学习 2.3 基于卷积神经网络的深度迁移学习 2.4用于燃气轮机燃 ...
深度学习入门（三十二）卷积神经网络——BN批量归一化
深度学习入门(三十二)卷积神经网络--BN批量归一化前言批量归一化batch normalization 课件批量归一化批量归一化层批量归一化在做什么? 总结教材 1 训练深层网络 2 批 ...
第八届“泰迪杯”数据挖掘挑战赛C题“泰迪杯”奖论文（基于卷积神经网络及集成学习的网络问政平台留言文本挖掘与分析）
目录第一章引言 1.1挖掘背景 1.2挖掘意义 1.3问题描述第二章群众留言分类 2.1数据准备 2.1.1数据描述 2.1.2数据预处理 2.2特征提取 2.3建立模型 2.3.1卷积神经 ...
深度学习与计算机视觉系列(10)_细说卷积神经网络
转载自: 深度学习与计算机视觉系列(10)_细说卷积神经网络 - 龙心尘 - 博客频道 - CSDN.NET http://blog.csdn.net/longxinchen_ml/article/d ...
（pytorch-深度学习系列）使用Pytorch实现小型卷积神经网络网络
卷积层卷积神经网络中每层卷积层(Convolutional layer)由若干卷积单元组成,每个卷积单元的参数都是通过反向传播算法最佳化得到的.卷积运算的目的是提取输入的不同特征,第一层卷积层可能只 ...
吴恩达深度学习课程笔记（四）：卷积神经网络2 实例探究
吴恩达深度学习课程笔记(四):卷积神经网络2 实例探究吴恩达深度学习课程笔记(四):卷积神经网络2 实例探究 2.1 为什么要进行实例探究 2.2 经典网络 LeNet-5 AlexNet VGG- ...
基于卷积神经网络的密集人群估计/人群计数算法【内含教程和踩坑】
文章目录前言一.什么是密集人群估计二.实验前准备 1.Github开源项目--Awesome Crowd Counting 2.数据集下载 3.环境配置三.ShanghaiTech数据集实验 ...

全图表征学习算法之无监督学习和基于卷积神经网络的监督学习

全图表征学习算法之无监督学习和基于卷积神经网络的监督学习相关推荐

最新文章

热门文章