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

矢量化编程实现

预处理:主成分分析与白化

Softmax回归

自我学习与无监督特征学习

建立分类用深度网络

自编码线性解码器

处理大型图像


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

混杂的主题

进阶主题:

稀疏编码

独立成分分析样式建模

其它


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

上一篇:基于 Koa平台Node.js开发的KoaHub.js连接打印机的代码


下一篇:基础知识整理汇总 - Java学习(一)