Deep Learning 教程（斯坦福深度学习研究团队）

http://www.zhizihua.com/blog/post/602.html

说明：本教程将阐述无监督特征学习和深度学习的主要观点。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，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

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

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

原文：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B

转载于:https://www.cnblogs.com/DjangoBlog/p/3867674.html

Deep Learning 教程（斯坦福深度学习研究团队）相关推荐

Neural Networks and Deep Learning - 神经网络与深度学习 - Overfitting and regularization - 过拟合和正则化
Neural Networks and Deep Learning - 神经网络与深度学习 - Overfitting and regularization - 过拟合和正则化 Neural Netw ...
译文Deep Learning in Bioinformatics --深度学习在生物信息学领域的应用（1）
译文Deep Learning in Bioinformatics --深度学习在生物信息学领域的应用(1) 深度学习在生物信息学领域的应用(1) 原文链接:https://arxiv.org/abs ...
Biological network analysis with deep learning（使用深度学习的生物网络分析）
Biological network analysis with deep learning(使用深度学习的生物网络分析)很少有关于生物网络的综述类论文,这是今年发在 Briefings in Bio ...
译文Deep Learning in Bioinformatics --深度学习在生物信息学领域的应用（2）
译文Deep Learning in Bioinformatics --深度学习在生物信息学领域的应用(2) 深度学习在生物信息学领域的应用(2) 原文链接:https://arxiv.org/abs ...
论文阅读：Natural Language Processing Advancements By Deep Learning: A Survey 深度学习在自然语言处理中的进展
Natural Language Processing Advancements By Deep Learning: A Survey 深度学习在自然语言处理中的进展目录 Natural Langu ...
深度学习经典论文deep learning！入门必读！：deep learning yann lecun 深度学习
深度学习 YannLeCun, Yoshua Bengio & Geoffrey Hinton 深度学习能够让多层处理层组成的计算模型学习多级抽象的数据的表达.这些方法极大地提高了语音识别,视 ...
云服务器deeplearning_开始使用 AWS Deep Learning AMI 进行深度学习 | AWS
注意:从 v28 版本起,我们不再在 AWS Deep Learning AMI 中包括 CNTK.Caffe.Caffe2 和 Theano Conda 环境.包含这些环境的先前版本的 AWS De ...
Multimodal Deep Learning（多模态深度学习）未完待续
摘要: 本文提出一种在深度网络上的新应用,用深度网络学习多模态.特别的是,我们证明了跨模态特征学习--如果在特征学习过程中多模态出现了,对于一个模态而言,更好的特征可以被学习(多模态上学习,单模态上测 ...
[Lecture 8 ] Deep Learning Software（深度学习软件）
文章目录课堂问答前言 1. TensorFlow(静态图) 2. Pytorch(动态计算图) 3. 动态图和静态图 4. Caffe/Caffe2 建议和总结课堂问答前言现在深度学习框架发 ...

Deep Learning 教程（斯坦福深度学习研究团队）

Deep Learning 教程（斯坦福深度学习研究团队）相关推荐

最新文章

热门文章