宽度学习系统(Broad Learning System, BLS)
摘要:宽度学习系统(Broad Learning System, BLS) 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 更新:对于ELM,只做科普,别做学术。 宽度学习系统(Broad Learning System, BLS)由Chen等[1]提出,其
阅读全文
posted @
2020-10-28 13:02
凯鲁嘎吉
阅读(11012)
推荐(4)
MATLAB实例:BP神经网络用于回归任务
摘要:MATLAB实例:BP神经网络用于回归(非线性拟合)任务 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 问题描述 给定多元(多维)数据X,有真实结果Y,对这些数据进行拟合(回归),得到拟合函数的参数,进而得到拟合函数,现在进来一些新样本,对这些新样本
阅读全文
posted @
2020-10-18 17:37
凯鲁嘎吉
阅读(9695)
推荐(1)
基于图嵌入的高斯混合变分自编码器的深度聚类(Deep Clustering by Gaussian Mixture Variational Autoencoders with Graph Embedding, DGG)
摘要:基于图嵌入的高斯混合变分自编码器的深度聚类 Deep Clustering by Gaussian Mixture Variational Autoencoders with Graph Embedding, DGG 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kail
阅读全文
posted @
2020-07-07 16:21
凯鲁嘎吉
阅读(4660)
推荐(3)
变分深度嵌入(Variational Deep Embedding, VaDE)
摘要:变分深度嵌入(Variational Deep Embedding, VaDE) 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 这篇博文主要是对论文“Variational Deep Embedding: An Unsupervised and Ge
阅读全文
posted @
2020-05-13 15:47
凯鲁嘎吉
阅读(7205)
推荐(1)
变分推断与变分自编码器
摘要:变分推断与变分自编码器 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 本文主要介绍变分自编码器(Variational Auto-Encoder, VAE)及其推导过程,但变分自编码器涉及一些概率统计的基础知识,因此为了更好地理解变分自编码器,首先介
阅读全文
posted @
2020-03-11 17:49
凯鲁嘎吉
阅读(3837)
推荐(4)
A Survey of Deep Clustering Algorithms
摘要:A Survey of Deep Clustering Algorithms 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 1. Clustering with Deep Learning: Taxonomy and New Methods 2. A
阅读全文
posted @
2020-02-29 16:51
凯鲁嘎吉
阅读(2056)
推荐(1)
Deep Clustering Algorithms
摘要:Deep Clustering Algorithms 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 本文研究路线:深度自编码器(Deep Autoencoder)->Deep Embedded Clustering(DEC)->Improved De
阅读全文
posted @
2019-12-27 10:22
凯鲁嘎吉
阅读(8617)
推荐(4)
深度自编码器(Deep Autoencoder)MATLAB解读
摘要:深度自编码器(Deep Autoencoder)MATLAB解读 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 这篇文章主要讲解Hinton在2006年Science上提出的一篇文章“Reducing the dimensionality of da
阅读全文
posted @
2019-09-27 19:25
凯鲁嘎吉
阅读(10126)
推荐(2)
受限玻尔兹曼机(Restricted Boltzmann Machine)
摘要:受限玻尔兹曼机(Restricted Boltzmann Machine) 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 1. 生成模型 2. 参数学习 3. 对比散度学习算法 由于受限玻尔兹曼机的特殊结构,因此可以使用一种比吉布斯采样更有效 的学习
阅读全文
posted @
2019-09-27 09:49
凯鲁嘎吉
阅读(2749)
推荐(0)