深度学习(Deep Learning)由浅入深-炼数成金-Dataguru专业数据分析社区

炼数成金 › 深度学习(Deep Learning)由浅入深

深度学习专题

精品入门文章

Deep Learning（深度学习）学习笔记整理: 该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。本人才疏学浅，整理总结的时候难免出错，还望各位前辈不吝指正，谢谢。

Deep learning的一些教程: 几个不错的深度学习教程，基本都有视频和演讲稿。附两篇综述文章和一副漫画。还有一些以后补充。

机器学习——深度学习(Deep Learning): Deep Learning是机器学习中一个非常接近AI的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，最近研究了机器学习中一些深度学习的相关知识，本文给出一些很有用的资料和心得。Key Words：有监督学习与无监督 ...

Deep Learning深度学习相关入门文章汇摘: 深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。深度学习的概念源于人工神经网络的研 ...

相关概念及模型

【面向代码】学习 Deep Learning（一）Neur: 最近一直在看Deep Learning，各类博客、论文看得不少。但是说实话，这样做有些疏于实现，一来呢自己的电脑也不是很好，二来呢我目前也没能力自己去写一个toolbox，只是跟着Andrew Ng的UFLDL tutorial 写了些已有框架 ...

Deep learning：九(Sparse Autoencoder练习: 前言：　　现在来进入sparse autoencoder的一个实例练习，参考Ng的网页教程：Exercise:Sparse Autoencoder。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， ...

浅谈deep stacking network --- 一种比较实: deep stacking network 是 Li Deng 提出的一种判别模型。现在的应用主要在于CTR IR和语言以及图像的分类和回归。

「深度神经网络」（deep neural network）: 微软研究人员在深度神经网络（deep neural network）上取得突破，使其在性能上能赶上目前最先进的语音识别技术。

Deep learning：四十二(Denoise Autoencode: 采用无监督的方法分层预训练深度网络的权值时，为了学习到较鲁棒的特征，可以在网络的可视层（即数据的输入层）引入随机噪声，这种方法称为Denoise Autoencoder(简称dAE)，由Bengio在08年提出

深度学习(Deep Learning)算法简介: 从一个输入中产生一个输出所涉及的计算可以通过一个流向图(flow graph)来表示：流向图是一种能够表示计算的图，在这种图中每一个节点表示一个基本的计算并且一个计算的值(计算的结果被应用到这个节点的孩子节点的值 ...

相关资料

Deep Learning 一些标志性的文章: 分享了一些深度学习里的标志性文章，有兴趣不妨了解下

深度学习研究综述: 深度学习是一类新兴的多层神经网络学习算法。因其缓解了传统训练算法的局部最小性，引起机器学习领域的广泛关注。首先论述了深度学习兴起渊源，分析了算法的优越性，并介绍了主流学习算法及应用现状，最后总结当前 ...

李彦宏：百度首个研究院将招募全球顶尖人才: 这个研究院将被命名为Institute of Deep Learning，简称IDL

Deep Belief Networks资料汇总: 毕设做的是DBNs的相关研究，翻过一些资料，在此做个汇总。可以通过谷歌学术搜索来下载这些论文。

关于深度学习(deep learning): 说起对深度学习的了解，是在今年10月份看了 Stanford University的计算机科学家Andrew Y. Ng教授在Google的一个演讲视频开始的，看了之后还以为就是以前所说的artificial neutral network(人工神经网络)，这个东西在 ...

深度学习一些有用的链接

deeplearning tutorials：
http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf
http://deeplearning.net/tutorials/
Restricted boltzmann machine：
http://deeplearning.net/tutorial/rbm.html
http://blog.echen.me/2011/07/18/introduction-to-restricted-boltzmann-machines/
http://www.csri.utoronto.ca/~hinton/absps/guideTR.pdf

最新评论

引用 sumer5129 2016-4-25 22:22: 怎么今年没有深度学习的课程？

引用 pzb19841116 2016-2-1 21:30: 再次问一下，什么时候开课啊？

引用 pzb19841116 2015-11-21 12:41: 什么时候开课啊？

引用 niho 2015-5-11 16:18: 正在建设中，请稍候……

引用 dorisguo 2015-4-26 20:11: 打算申请个相关的项目，期待课程ing

引用 wangyanglffw 2014-10-24 14:39: 喜欢

引用 liucgsql 2014-8-22 08:07: 有深度啊，喜欢

引用 jiabiao1602 2014-5-23 14:13: 深度学习好高大上啊

引用 drason110 2014-4-17 15:32: 正在建设中，请稍候……

引用 morningggy 2014-3-26 13:43: 正在建设中，请稍候……

引用 allen010 2014-3-12 07:28: 正在建设中，请稍候……

引用 daveice 2013-9-16 22:18: 有深度啊，喜欢！！

查看全部评论(12)

GMT+8, 2020-11-29 03:09 , Processed in 0.065980 second(s), 16 queries .