摘要：
理论知识：Deep learning：四十一(Dropout简单理解)、深度学习（二十二）Dropout浅层理解与实现、“Improving neural networks by preventing co-adaptation of feature detectors” 感觉没什么好说的了，该说的 阅读全文
摘要：
1.交叉熵代价函数 2.正则化方法：L1和L2 regularization、数据集扩增、dropout 3. 数据预处理 4.机器学习算法中如何选取超参数：学习速率、正则项系数、minibatch size 5.随机梯度下降（Stochastic gradient descent）和 批量梯度下降 阅读全文
摘要：
我的最新博客已经搬到时简书，因为在那边markdown写作感觉太爽了，唯一的缺点就是没有目录，写公式不方便且文章无法置顶，我的最新主页地址为： 夜空中最帅的星20171111 python笔记 python 2: 解决python中的plot函数的图例legend不能显示中文问题 python 1: 阅读全文
该文被密码保护。 阅读全文
该文被密码保护。 阅读全文
摘要：
理论知识：Optimization: Stochastic Gradient Descent和Convolutional Neural Network CNN卷积神经网络推导和实现、Deep learning：五十一(CNN的反向求导及练习) Deep Learning 学习随记（八）CNN（Con 阅读全文
摘要：
前言 论文“Deep Boltzmann Machines”是Geoffrey Hinton和他的大牛学生Ruslan Salakhutdinov在论文“Reducing the Dimensionality of Data with Neural Networks”合作后的又一次联合发表的一篇有深 阅读全文
摘要：
1.论文“A fast learning algorithm for deep belief nets”的“explaining away”现象的解释：见：Explaining Away的简单理解2.论文“A fast learning algorithm for deep belief nets”... 阅读全文
摘要：
前言论文“Reducing the Dimensionality ofData with Neural Networks”是深度学习鼻祖hinton于2006年发表于《SCIENCE》的论文，也是这篇论文揭开了深度学习的序幕。笔记摘要：高维数据可以通过一个多层神经网络把它编码成一个低维数据，从而重建... 阅读全文
摘要：
RBM是深度学习的核心，所以必须彻底清楚地理解RBM原理、推导及其训练方法1.读学位论文“基于深度学习的人脸识别研究”：对RBM、DBN的介绍比较详细，可以作为基础阅读，再去读英文论文。2.RBM的推导：①受限玻尔兹曼机(RBM)学习笔记讲得非常清楚，第一重点推荐！②深度学习笔记- RBM_百度文库... 阅读全文