本文翻译自2007-To recognize shapes, first learn to generate images, Geoffrey Hinton.第五种策略的设计思想是使得高层的特征提取器能够和底层的进行通信, 同时可以很容易地使用随机二态神经元的分层网络来实现.这些神经元的激活概率是关...
分类：
其他好文 时间：
2014-07-25 16:41:21
阅读次数：
597
实现我们构造了RBM类. 网络的参数可以通过构造器或者是输入参数初始化.这样RBM可以用作构造一个深度网络, 在这种情况下, 权值矩阵和隐层偏置是和一个MLP网络的sigmoidal层共享的.写好构造函数, 对一些参数的默认值进行设置, 并完成一系列的初始化权值初始化成均匀分布偏置初始化成0定义与(...
分类：
其他好文 时间：
2014-07-23 16:49:11
阅读次数：
455
基于能量的模型(EBM)基于能量的模型将每一个我们感兴趣的变量构造联系到一个标量能量上. 学习就是修改能量方程从而使得它的外形有我们需要的特点. 举例来说, 我们希望的是: 期望构造的能量低. 基于能量的概率性模型定义了一个概率分布, 它是由能量方程决定的:归一化因子Z被称为配分函数, 类比于物理系...
分类：
其他好文 时间：
2014-07-23 15:47:59
阅读次数：
382
2014-07-2110:28:34首先PO上主要Python代码(2.7), 这个代码在Deep Learning上可以找到. 1 # allocate symbolic variables for the data 2 index = T.lscalar() # index to...
分类：
编程语言 时间：
2014-07-22 00:29:38
阅读次数：
352
上图上真相，看看Berkeley Caffe和Toronto Convnet的分类效果对比吧。
以Toronto网站的10张图为例，比较下他们各自的分类准确度和置信度！...
分类：
Web程序 时间：
2014-07-21 22:26:38
阅读次数：
279
学习方式根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要的学习方式。将算法按照学习方式分类是一个不错的想法，这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果。监督式学习：在监...
分类：
其他好文 时间：
2014-07-21 08:08:39
阅读次数：
327
学习是一个坚持的过程，很多时候自己把握了很多很好的方向，11年底知道了PCL库的时候，国内还没有多少人关注的时候，自己已经去关注，没有坚持下去，现在已经是继OpenCV在计算机视觉中另外一个非常出色的计算机视觉库。 12年的时候看到深度学习的时候知道这个会很火，自己也去学习，可以从我之前的bolg就...
分类：
其他好文 时间：
2014-07-20 09:36:31
阅读次数：
223
1.CAFFE调试2.CAFFE中使用protobuf3.CAFFE中使用leveldb4.CAFFE中使用boost5.实际案例6.自定义网络结构7.python wrapper
分类：
其他好文 时间：
2014-07-11 23:28:47
阅读次数：
161
在Make.config 文件里将DEBUG=1的注释去掉，再make。可以用IDE如eclipse来import makefile工程。必要时按照IDE的提示将源文件cpp和对应的bin文件对应。
分类：
其他好文 时间：
2014-07-11 23:01:32
阅读次数：
1192
不少读者看了我前面两篇文章
总结一下用caffe跑图片数据的研究流程
deep learning实践经验总结2--准确率再次提升，到达0.8，再来总结一下
之后，想知道我是怎么实现特征可视化的。...
分类：
其他好文 时间：
2014-07-10 17:32:20
阅读次数：
302
