CS229 6.18 CNN 的反向传导算法
摘要:本文主要内容是 CNN 的 BP 算法,看此文章前请保证对CNN有初步认识。 网络表示 CNN相对于传统的全连接DNN来说增加了卷积层与池化层,典型的卷积神经网络中(比如LeNet-5 ),开始几层都是卷积和池化的交替,然后在靠近输出的地方做成全连接网络,这时候已经将所有两维2D的特征maps转化为
阅读全文
posted @
2018-11-27 00:47
Alan_Fire
阅读(247)
推荐(0)
CS229 6.17 Neurons Networks convolutional neural network(cnn)
摘要:之前所讲的图像处理都是小 patchs ,比如28*28或者36*36之类,考虑如下情形,对于一副1000*1000的图像,即106,当隐层也有106节点时,那么W(1)的数量将达到1012级别,为了减少参数规模,加快训练速度,CNN应运而生。CNN就像辟邪剑谱一样,正常人练得很挫,一旦自宫后,就变
阅读全文
posted @
2018-11-27 00:45
Alan_Fire
阅读(176)
推荐(0)
CS229 6.16 Neurons Networks linear decoders and its implements
摘要:Sparse AutoEncoder是一个三层结构的网络,分别为输入输出与隐层,前边自编码器的描述可知,神经网络中的神经元都采用相同的激励函数,Linear Decoders 修改了自编码器的定义,对输出层与隐层采用了不用的激励函数,所以 Linear Decoder 得到的模型更容易应用,而且对模
阅读全文
posted @
2018-11-27 00:44
Alan_Fire
阅读(199)
推荐(0)
CS229 6.5 Neurons Networks Implements of Sparse Autoencoder
摘要:sparse autoencoder的一个实例练习,这个例子所要实现的内容大概如下:从给定的很多张自然图片中截取出大小为8*8的小patches图片共10000张,现在需要用sparse autoencoder的方法训练出一个隐含层网络所学习到的特征。该网络共有3层,输入层是64个节点,隐含层是25
阅读全文
posted @
2018-11-26 23:44
Alan_Fire
阅读(232)
推荐(0)
CS229 6.4 Neurons Networks Autoencoders and Sparsity
摘要:BP算法是适合监督学习的,因为要计算损失函数,计算时y值又是必不可少的,现在假设有一系列的无标签train data: ,其中 ,autoencoders是一种无监督学习算法,它使用了本身作为标签以此来使用BP算法进行训练,即,见如下示例: 自编码器尝试学习一个 的函数,它尝试逼近一个恒等函数,从而
阅读全文
posted @
2018-11-26 23:41
Alan_Fire
阅读(232)
推荐(0)
CS229 6.3 Neurons Networks Gradient Checking
摘要:BP算法很难调试,一般情况下会隐隐存在一些小问题,比如(off-by-one error),即只有部分层的权重得到训练,或者忘记计算bais unit,这虽然会得到一个正确的结果,但效果差于准确BP得到的结果。 有了cost function,目标是求出一组参数W,b,这里以表示,cost func
阅读全文
posted @
2018-11-26 23:39
Alan_Fire
阅读(194)
推荐(0)
CS229 6.2 Neurons Networks Backpropagation Algorithm
摘要:今天得主题是BP算法。大规模的神经网络可以使用batch gradient descent算法求解,也可以使用 stochastic gradient descent 算法,求解的关键问题在于求得每层中每个参数的偏导数,BP算法正是用来求解网络中参数的偏导数问题的。 先上一张吊炸天的图,可以看到BP
阅读全文
posted @
2018-11-26 23:38
Alan_Fire
阅读(253)
推荐(0)
神经网络反向传播梯度计算数学原理
摘要:[神经网络]反向传播梯度计算数学原理 1 文章概述 本文通过一段来自于Pytorch官方的warm-up的例子:使用numpy来实现一个简单的神经网络。使用基本的数学原理,对其计算过程进行理论推导,以揭示这几句神奇的代码后面所包含的原理。 估计对大多数的同学来说,看完这个文章,肯定会是这样的感觉:字
阅读全文
posted @
2018-11-19 09:50
Alan_Fire
阅读(740)
推荐(0)
反向传播神经网络极简入门
摘要:我一直在找一份简明的神经网络入门,然而在中文圈里并没有找到。直到我看到了这份162行的Python实现,以及对应的油管视频之后,我才觉得这就是我需要的极简入门资料。这份极简入门笔记不需要突触的图片做装饰,也不需要赘述神经网络的发展历史;要推导有推导,要代码有代码,关键是,它们还对得上。对于欠缺的背景
阅读全文
posted @
2018-11-16 22:55
Alan_Fire
阅读(1088)
推荐(0)