摘要：本文结合Deep learning的一个应用，Convolution Neural Network 进行一些基本应用，参考Lecun的Document 0.1进行部分拓展，与结果展示（in python）。分为以下几部分：1. Convolution（卷积）2. Pooling（降采样过程）3. C... 阅读全文

摘要：CNN公式推导1 前言 在看此blog之前，请确保已经看懂我的前两篇blog【深度学习笔记1(卷积神经网络)】和【BP算法与公式推导】。并且已经看过文献[1]的论文【Notes on Convolutional Neural Networks】。因为本文就是讲解文献[1]论文前部分公式的推导过程。2... 阅读全文

摘要：概述前面的练习中，解决了一些有关低分辨率图像的问题，比如：小块图像，手写数字小幅图像等。在这部分中，我们将把已知的方法扩展到实际应用中更加常见的大图像数据集。全联通网络在稀疏自编码章节中，我们介绍了把输入层和隐含层进行“全连接”的设计。从计算的角度来讲，在其他章节中曾经用过的相对较小的图像（如在稀疏... 阅读全文

摘要：先看到卷积运算，知道了卷积就是把模版与图像对应点相乘再相加，把最后的结果代替模版中心点的值的一种运算。但是，近来又看到了积分图像的定义，立马晕菜，于是整理一番，追根溯源一下吧。1 卷积图像1.1 源头首先找到了一篇讲解特别好的博文，原文为：卷积贴过正文来看：---------------------... 阅读全文

摘要：PCA： PCA的具有2个功能,一是维数约简（可以加快算法的训练速度，减小内存消耗等），一是数据的可视化。 PCA并不是线性回归，因为线性回归是保证得到的函数是y值方面误差最小，而PCA是保证得到的函数到所降的维度上的误差最小。另外线性回归是通过x值来预测y值，而PCA中是将所有的x样本都同等... 阅读全文

摘要：CNN公式推导1 前言 在看此blog之前，请确保已经看懂我的前两篇blog【深度学习笔记1(卷积神经网络)】和【BP算法与公式推导】。并且已经看过文献[1]的论文【Notes on Convolutional Neural Networks】。因为本文就是讲解文献[1]论文前部分公式的推导过程。2... 阅读全文

摘要：参考论文：1、Stacks of Convolutional Restricted Boltzmann Machinesfor Shift-Invariant Feature Learning 2、Convolutional Deep Belief Networksfor Scalab... 阅读全文