深度学习教程_DeepLearning 0.1 documentation中文翻译

本文主要是介绍深度学习教程_DeepLearning 0.1 documentation中文翻译,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

DeepLearning 0.1 documentation中文翻译:Deep Learning Tutorials_深度学习教程

原文网址:http://deeplearning.net/tutorial/index.html

  • DeepLearning 01 documentation中文翻译Deep Learning Tutorials_深度学习教程
  • DeepLearning 01 documentation中文翻译


Deep Learning 是机器学习研究的一个新的领域,引入的目的是使机器学习更接近于它原始的目标之一:人工智能。看这些课程笔记以对深度学习有一个初步的认识: brief introduction to Machine Learning for AI 和 introduction to Deep Learning algorithms。

深度学习学习事物的多级别的表达与抽象,这使得诸如图像,声音和文本这样的数据更加有意义。更多深度学习算法,参见:

  • 专著或审核论文 Learning Deep Architectures for AI (Foundations & Trends in Machine Learning, 2009).
  • The ICML 2009 Workshop on Learning Feature Hierarchies webpage has a list of references.
  • The LISA public wiki has a reading list and a bibliography.
  • Geoff Hinton has readings from 2009’s NIPS tutorial.

本教程将向你介绍最重要的一些深度学习算法,并向你展示如何使用Theano运行它们。Theano是一个Python库,它使深度学习模型的实现变得简单,并提供了在GPU上训练的选项。

使用这个算法教程,你应该了解Python,并熟悉numpy。由于本教程是关于如何使用Theano的,所以事先需要阅读:Theano basic tutorial。读完后,通读Getting Started入门)一章 - 它介绍了符号,算法中使用的数据集(可下载),以及我们使用统计梯度下降法做优化的方法。

纯粹的有监督学习算法按照下面顺序阅读:

  1. Logistic Regression(Logistic 回归) - 使用Theano的一个简单例子
  2. Multilayer perceptron(多层感知器) -层级介绍
  3. Deep Convolutional Network(深度卷积网络)- 一个LeNet5的简单版本

无监督和半监督的学习算法可以以任何顺序阅读(自编码器可以独立于RBM/DBN阅读):

  • Auto Encoders, Denoising Autoencoders(自编码器,去噪自编码器) - 自编码器描述
  • Stacked Denoising Auto-Encoders(堆栈式自编码器) - 深度网络的无监督预训练的简单步骤
  • Restricted Boltzmann Machines(受限玻尔兹曼机) -单层生成式RBM模型
  • Deep Belief Networks(深度信念网络) -栈式RBMs的无监督生成式预训练后跟有监督的微调

针对mcRBM模型,请看新的关于从能量模型采样的教程:

  • HMC Sampling(混合蒙特卡罗采样)-混合动力(又名汉密尔顿)蒙特卡洛采样 scan()

针对压缩型自编码器教程,有如下代码:

  • Contractive auto-encoders code - 代码中有基础文档

递归神经网络文字嵌入和上下文窗口:

  • Semantic Parsing of Speech using Recurrent Net

用于情感分析的LSTM网络(长短期记忆网络):

  • LSTM network

基于能量的递归神经网络(RNN-RBM):

  • Modeling and generating sequences of polyphonic music(和弦音乐序列的建模与生成)

  • DeepLearning 01 documentation中文翻译Deep Learning Tutorials_深度学习教程
  • DeepLearning 01 documentation中文翻译


DeepLearning 0.1 documentation中文翻译

这篇关于深度学习教程_DeepLearning 0.1 documentation中文翻译的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1033248

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识