2017年5月5日
UFLDL讲义十二：实现主成分分析和白化
注：本讲义来源为NG教授的机器学习课程讲义，详见 http://deeplearning.stanford.edu/wiki/index.php Read More
posted @ 2017-05-05 15:55 eraserNut Views(194) Comments(0) Diggs(0)
UFLDL讲义十一：白化
注：本讲义来源为NG教授的机器学习课程讲义，详见 http://deeplearning.stanford.edu/wiki/index.php Read More
posted @ 2017-05-05 15:53 eraserNut Views(168) Comments(0) Diggs(0)
UFLDL讲义十：主成分分析
注：本讲义来源为NG教授的机器学习课程讲义，详见 http://deeplearning.stanford.edu/wiki/index.php Read More
posted @ 2017-05-05 15:48 eraserNut Views(197) Comments(0) Diggs(0)
UFLDL讲义九：神经网络向量化
注：本讲义来源为NG教授的机器学习课程讲义，详见 http://deeplearning.stanford.edu/wiki/index.php Read More
posted @ 2017-05-05 15:43 eraserNut Views(169) Comments(0) Diggs(0)
UFLDL讲义八：逻辑回归的矢量化实现样例
注：本讲义来源为NG教授的机器学习课程讲义，详见 http://deeplearning.stanford.edu/wiki/index.php Read More
posted @ 2017-05-05 15:38 eraserNut Views(286) Comments(0) Diggs(0)
UFLDL讲义七：矢量化编程
注：本讲义来源为NG教授的机器学习课程讲义，详见 http://deeplearning.stanford.edu/wiki/index.php Read More
posted @ 2017-05-05 15:35 eraserNut Views(173) Comments(0) Diggs(0)
UFLDL讲义六：稀疏自编码器符号一览表
注：本讲义来源为NG教授的机器学习课程讲义，详见 http://deeplearning.stanford.edu/wiki/index.php 下面是我们在推导sparse autoencoder时使用的符号一览表： Read More
posted @ 2017-05-05 15:34 eraserNut Views(256) Comments(0) Diggs(0)
UFLDL讲义五：可视化自编码器训练结果
注：本讲义来源为NG教授的机器学习课程讲义，详见 http://deeplearning.stanford.edu/wiki/index.php Read More
posted @ 2017-05-05 15:32 eraserNut Views(207) Comments(0) Diggs(0)
UFLDL讲义四：自编码算法与稀疏性
注：本讲义来源为NG教授的机器学习课程讲义，详见 http://deeplearning.stanford.edu/wiki/index.php Read More
posted @ 2017-05-05 15:30 eraserNut Views(197) Comments(0) Diggs(0)
UFLDL讲义三：梯度检验与高级优化
注：本讲义来源为NG教授的机器学习课程讲义，详见 http://deeplearning.stanford.edu/wiki/index.php Read More
posted @ 2017-05-05 15:25 eraserNut Views(208) Comments(0) Diggs(0)