深度学习教程
UFLDL教程
From Ufldl
Jump to: navigation, search說明：本教程將闡述無監(jiān)督特征學習和深度學習的主要觀點。通過學習，你也將實現多個功能學習/深度學習算法，能看到它們?yōu)槟愎ぷ?#xff0c;并學習如何應用/適應這些想法到新問題上。
本教程假定機器學習的基本知識（特別是熟悉的監(jiān)督學習，邏輯回歸，梯度下降的想法），如果你不熟悉這些想法，我們建議你去這里
機器學習課程，并先完成第II，III，IV章（到邏輯回歸）。
稀疏自編碼器
- 神經網絡
- 反向傳導算法
- 梯度檢驗與高級優(yōu)化
- 自編碼算法與稀疏性
- 可視化自編碼器訓練結果
- 稀疏自編碼器符號一覽表
- Exercise:Sparse Autoencoder
矢量化編程實現
- 矢量化編程
- 邏輯回歸的向量化實現樣例
- 神經網絡向量化
- Exercise:Vectorization
預處理：主成分分析與白化
- 主成分分析
- 白化
- 實現主成分分析和白化
- Exercise:PCA in 2D
- Exercise:PCA and Whitening
Softmax回歸
- Softmax回歸
- Exercise:Softmax Regression
自我學習與無監(jiān)督特征學習
- 自我學習
- Exercise:Self-Taught Learning
建立分類用深度網絡
- 從自我學習到深層網絡
- 深度網絡概覽
- 棧式自編碼算法
- 微調多層自編碼算法
- Exercise: Implement deep networks for digit classification
自編碼線性解碼器
- 線性解碼器
- Exercise:Learning color features with Sparse Autoencoders
處理大型圖像
- 卷積特征提取
- 池化
- Exercise:Convolution and Pooling
注意: 這條線以上的章節(jié)是穩(wěn)定的。下面的章節(jié)仍在建設中，如有變更，恕不另行通知。請隨意瀏覽周圍并歡迎提交反饋/建議。
混雜的
- MATLAB Modules
- Style Guide
- Useful Links
混雜的主題
- 數據預處理
- 用反向傳導思想求導
進階主題:
稀疏編碼
- 稀疏編碼
- 稀疏編碼自編碼表達
- Exercise:Sparse Coding
獨立成分分析樣式建模
- 獨立成分分析
- 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
Language : English
Retrieved from "http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B"Views
- Page
- Discussion
- View source
- History
Personal tools
- Log in
ufldl resources
- UFLDL Tutorial
- Recommended Readings
wiki
- Main page
- Recent changes
- Random page
- Help
Search
Toolbox
- What links here
- Related changes
- Special pages
- Printable version
- Permanent link
- This page was last modified on 10 April 2013, at 00:26.
- This page has been accessed 170,065 times.
- Privacy policy
- About Ufldl
- Disclaimers
總結
- 上一篇： 常用的图像特征颜色特征、纹理特征、形状特
- 下一篇： 高级图像去雾算法的快速实现