Chinaunix首页 | 论坛 | 认证专区 | 博客 登录 | 注册

利炳根

欢迎推荐上海机器学习工作机会,我的微信:qingxingfengzi

  • 博客访问: 38383
  • 博文数量: 54
  • 博客积分: 0
  • 博客等级: 民兵
  • 技术积分: 645
  • 用 户 组: 普通用户
  • 注册时间: 2017-05-13 22:10
  • 认证徽章:
个人简介

欢迎推荐上海机器学习工作机会,我的微信:qingxingfengzi

文章分类

全部博文(54)

文章存档

2017年(54)

我的朋友
微信关注

IT168企业级官微



微信号:IT168qiye



系统架构师大会



微信号:SACC2013

订阅
热词专题

发布时间:2017-11-01 08:51:54

循环神经网络。https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/recurrent_network.py。自然语言处理(natural language processing, NLP)应用网络模型。与前馈神经网络(feed-forward neural network,FNN)不同,循环网络引入定性循环,信号在神经元传递不消失继续存活。.........【阅读全文】

阅读(41) | 评论(0) | 转发(0)

发布时间:2017-10-31 08:52:30

卷积神经网络(convolutional neural network,CNN),权值共享(weight sharing)网络结构降低模型复杂度,减少权值数量,是语音分析、图像识别热点。无须人工特征提取、数据重建,直接把图片作输入,自动提取特征,对平移、比例缩放、倾斜等图片变形具有高度不变形。卷积(convolution),泛函数分析积分变换数学方法,两个函数f.........【阅读全文】

阅读(52) | 评论(0) | 转发(0)

发布时间:2017-09-09 14:02:06

GAN应用集中在图像生成,NLP、Robt Learning也有拓展。类似于NLP中的Actor-Critic。 https://arxiv.org/pdf/1610.01945.pdf 。Generative Adversarial Nets。构建两个网络,一个G生成网络,一个D区分网络。训练,G网络loss log(1-D(G(z))),D网络loss -(log(D(x))+log(1-D(G(z))),不是Cross Entropy。数据输入,G网络输.........【阅读全文】

阅读(150) | 评论(0) | 转发(0)

发布时间:2017-09-04 22:35:31

Ian J. Goodfellow 论文:https://arxiv.org/abs/1406.2661两个网络:G(Generator),生成网络,接收随机噪声Z,通过噪声生成样本,G(z)。D(Dicriminator),判别网络,判别样本是否真实,输入样本x,输出D(x)代表x真实概率,如果1,100%真实样本,如果0,代表不可能是真实样本。训练过程,生成网络G尽量生成真实样本欺骗.........【阅读全文】

阅读(176) | 评论(0) | 转发(0)

发布时间:2017-08-26 16:00:58

生成式对抗网络(gennerative adversarial network,GAN),目前最火的非监督深度学习。一个生成网络无中生有,一个判别网络推动进化。学技术,不先着急看书看文章。先把Demo跑起来,顺利进入断点调试。这样就可以边学习边修改边验证,亲自下手参与调试,会比只是当个看客,更有兴趣更有成就感也更容易理解内容。1?下载并.........【阅读全文】

阅读(148) | 评论(0) | 转发(0)
给主人留下些什么吧!~~
留言热议
请登录后留言。

登录 注册