Deep Belief Networks資料匯總

WilsonLiu95 發布于2019-04-25 17:58 / 2408人閱讀

摘要：畢設做的是的相關研究，翻過一些資料，在此做個匯總。深度學習的介紹性文章，可做入門材料?？梢援斪魃疃葘W習的學習材料。一份訓練的較佳實踐。闡述了非監督預訓練的作用。這篇博客給出的材料更加全面，作者來自復旦大學，現似乎是在北京研究院工作。

畢設做的是DBNs的相關研究，翻過一些資料，在此做個匯總。

可以通過谷歌學術搜索來下載這些論文。

Arel, I., Rose, D. C. and K arnowski, T. P. Deep machine learning - a new frontier in artificial intelligence research. Computational Intelligence Magazine, IEEE, vol. 5, pp. 13-18, 2010.

深度學習的介紹性文章，可做入門材料。

Bengio, Y. Learning deep architecture for AI. Foundations and Trends in Machine Learning, vol. 2, pp: 1-127, 2009.

深度學習的經典論文，集大成者?？梢援斪魃疃葘W習的學習材料。

Hinton, G. E. Learning multiple layers of representation. Trends in Cognitive Sciences, vol. 11, pp. 428-434, 2007.

不需要太多數學知識即可掌握DBNs的關鍵算法。這篇論文語言淺白，篇幅短小，適合初學者理解DBNs。

Hinton, G. E. To recognize shapes, first learn to generate images. Technical Report UTML TR 2006-003, University of Toronto, 2006.

多倫多大學的內部講義。推薦閱讀。

Hinton, G. E., Osindero, S. and Teh, Y. W. A fast learning algorithm for deep belief nets. Neural Computation, vol 18, pp. 1527-1554, 2006.

DBNs的開山之作，意義非凡，一定要好好看幾遍。在這篇論文中，作者詳細闡述了DBNs的方方面面，論證了其和一組層疊的RBMs的等價性，然后引出DBNs的學習算法。

Hinton, G. E. and Salakhutdinov, R. R. Reducing the dimensionality of data with neural networks. Science, vol. 313, no. 5786, pp. 504–507, 2006.

Science上的大作。這篇論文可是算作一個里程碑，它標志著深度學習總算有了高效的可行的算法。

Hinton, G. E. A practical guide to training restricted boltzmann machines. Technical Report UTML TR 2010-003, University of Toronto, 2010.

一份訓練RBM的較佳實踐。

Erhan, D., Manzagol, P. A., Bengio, Y., Bengio, S. and Vincent, P. The difficulty of training deep architectures and the effect of unsupervised pretraining. In The Twelfth International Conference on Artificial Intelligence and Statistics (AISTATS), pp. 153–160, 2009.

Erhan, D., Courville, A., Bengio, Y. and Vincent, P. Why Does Unsupervised Pre-training Help Deep Learning? In the 13th International Conference on Artificial Intelligence and Statistics (AISTATS), Chia Laguna Resort, Sardinia, Italy, 2010.

闡述了非監督預訓練的作用。這兩篇可以結合起來一起看。

這篇博客給出的材料更加全面，作者來自復旦大學，現似乎是在Yahoo Labs北京研究院工作。

http://demonstrate.ycool.com/post.3006074.html

GPU云服務器云服務器 deep deep learning Networks deep lesion 數據集

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/4283.html

機器學習——深度學習(Deep Learning)

摘要：有監督學習與無監督學習，分類回歸，密度估計聚類，深度學習，，有監督學習和無監督學習給定一組數據，為，。由于不需要事先根據訓練數據去聚類器，故屬于無監督學習。 Deep Learning是機器學習中一個非常接近AI的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，最近研究了機器學習中一些深度學習的相關知識，本文給出一些很有用的資料和心得。Key Words：有監督學習與無監督學習，分類...

Guakin_Huang 2019-04-25 17:57 評論0 收藏0
Deep Learning 一些標志性的文章

摘要：的堆疊起來構成，其中訓練較高層的時加入了。作為非線性降維方法在圖像和文本降維實驗中明顯優于傳統方法。根據實驗提出了對的的一種解釋。設計實驗驗證兩種因素的作用。傳統算法并不是以較大化為目標的，另有證明算法不對應任何優化目標函數 A?Fast?Learning?Algorithm?for?Deep?Belief?Nets?(2006)-?首次提出layerwise?greedy?pretrai...

iKcamp 2019-04-25 17:57 評論0 收藏0
深度學習(Deep Learning)算法簡介

摘要：考慮這樣一個計算集合，它可以被允許在每一個節點和可能的圖結構中，并定義了一個函數族。傳統的前饋神經網絡能夠被看做擁有等于層數的深度比如對于輸出層為隱層數加。理論結果證實那些事實上所需要的節點數隨著輸入的大小指數增長的函數族是存在的。查看論文 Yoshua Bengio, Learning Deep Architectures for AI, Foundations and Trends i...

hyuan 2019-04-25 17:58 評論0 收藏0
神經網絡和深度學習簡史第四部分：深度學習終迎偉大復興

摘要：主流機器學習社區對神經網絡興趣寡然。對于深度學習的社區形成有著巨大的影響。然而，至少有兩個不同的方法對此都很有效應用于卷積神經網絡的簡單梯度下降適用于信號和圖像，以及近期的逐層非監督式學習之后的梯度下降。我們終于來到簡史的最后一部分。這一部分，我們會來到故事的尾聲并一睹神經網絡如何在上世紀九十年代末擺脫頹勢并找回自己，也會看到自此以后它獲得的驚人先進成果?！冈噯枡C器學習領域的任何一人，是什...

Simon_Zhou 2019-04-25 18:01 評論0 收藏0
Deep Learning深度學習相關入門文章匯摘

摘要：深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。深度學習的概念由等人于年提出。但是自年以來，機器學習領域，取得了突破性的進展。深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。深度學習是無監督學習的一種。深度學習的概念源于人工神經網絡的研究。含多隱層的多層感知...

Riddler 2019-04-25 17:57 評論0 收藏0