码迷,mamicode.com
首页 > Web开发 > 详细

denoising autoencoder

时间:2015-05-13 21:11:23      阅读:291      评论:0      收藏:0      [点我收藏+]

标签:

神经网络的挑战和关键技术:

1.神经网络结构决定(层,神经元,连接)
   加入特定领域的知识(CNN 图片处理)
2.模型复杂度高
   大的数据量;
   regularization:  dropout;denoising
3.最优化困难
   好的初始化以避免局部最优:pre-training
4.计算复杂度高
    好的硬件方案:mini-batch with GPU
pre-training(对神经网络连接的初始权重进行训练)
好的权重的一个标准-能保留原先的信息
技术分享
AutoEncoder:
用途:1.informative representation-保留原先数据的信息
    2.typical representation-保留大部分数据的信息
       density estimation:如果x位于稠密区域,|g(x)-x|小
       outlier detection:异常値位于不稠密区,|g(x)-x|大
    3.在pre-training中训练初始权重
 
进阶:denoising autoencoder(在输入中加入人工noise,使robust)
技术分享
 





denoising autoencoder

标签:

原文地址:http://www.cnblogs.com/porco/p/4501354.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!