UFLDL-斯坦福大学Andrew Ng...
中文教程由@邓侃 博士组织翻译。
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
- 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
中文教程由@邓侃 博士组织翻译。
留下你的评论