非监督特征学习及深度学习教程

基本翻译完成,点击这里查看或下载最新

中文版的UFLDL教程(项目地址:https:www.github.com/ysh329/Chinese-UFLDL-Tutorial),该版本翻译自UFLDL Tutorial,是新版教程的翻译。也可参考老版本的UFLDL中文教程

  • 自己对新版UFLDL教程翻译过程中,发现的英文错误,见 新版教程英文原文勘误表
  • 注:UFLDL是非监督特征学习及深度学习(Unsupervised Feature Learning and Deep Learning)的缩写,而不仅指深度学习(Deep Learning)。
  • 翻译者:Shuai Yuan
  • 若有翻译错误,请直接在下方留言或发邮件至ysh329#sina.com(将#替换为@),感谢!
  • 更多详细参考资料,见计算机科学人工智能机器学习深度学习

欢迎来到UFLDL教程!

说明:本教程将会教给您非监督特征学习以及深度学习的主要思想。通过它,您将会实现几个特征学习或深度学习的算法,看到这些算法为你(的工作)带来的作用,以及学习如何将这些思想应用到适用的新问题上。

本教程假定您已经有了基本的机器学习知识(具体而言,熟悉监督学习,逻辑斯特回归以及梯度下降法的思想)。如果您不熟悉这些,我们建议您先去机器学习课程中去学习,并完成其中的第II,III,IV章节(即到逻辑斯特回归)。

材料由以下人员提供:Andrew Ng, Jiquan Ngiam, Chuan Yu Foo, Yifan Mai, Caroline Suen, Adam Coates, Andrew Maas, Awni Hannun, Brody Huval, Tao Wang, Sameep Tandon

获取初学者代码(Starter Code)

初学者代码

您可以获得初学者所有练习的代码从该Github的代码仓库

有关的数据文件可以从这里下载。 下载到的数据需要解压到名为“common”的文件夹中(以便初学者代码的使用)。

目录

监督学习与优化(Supervised Learning and Optimization)

监督神经网络(Supervised Neural Networks)

监督卷积网络(Supervised Convolutional Neural Network)

无监督学习(Unsupervised Learning)

  • 自动编码器(Autoencoders)
  • PCA Whitening(PCA Whitening)
  • 练习:PCA Whitening(Exercise: PCA Whitening)
  • 稀疏编码(Sparse Coding)
  • ICA(ICA)
  • RICA(RICA)
  • 练习:RICA(Exercise: RICA)

自学学习(Self-Taught Learning)

  • 自学学习(Self-Taught Learning)
  • 练习:自学学习(Exercise: Self-Taught Learning)

发表评论

电子邮件地址不会被公开。 必填项已用*标注