课程链接：http://ufldl.stanford.edu/tutorial/supervised/MultiLayerNeuralNetworks/ 这一节前半部分介绍了神经网络模型及前向传导，定义了很多的变量，这些变量到底代表了什么一定要搞懂，否则后半部分的推导就看不懂了。 ...
分类：
其他好文 时间：
2015-09-20 14:33:20
阅读次数：
241
1、每天至少一小节JAVA视频，做习题时间除外。 2、每天至少一小节python视频。 3、两节UFLDL课程 4、每天看一段英语脱口秀或者美剧。 5、这周的主要任务是研究CSK和KCF的代码，吃透。 6、继续学习libsvm 7、准备从头学习下opencv。
分类：
其他好文 时间：
2015-09-13 08:16:46
阅读次数：
127
教程地址：http://ufldl.stanford.edu/tutorial/supervised/SoftmaxRegression/ logstic regression是二分类的问题，如果想要多分类，就得用softmax regression。 理论部分参考这位博主的博文：http://w....
分类：
其他好文 时间：
2015-09-12 17:43:20
阅读次数：
357
课程链接：http://ufldl.stanford.edu/tutorial/supervised/LogisticRegression/ 这一节主要讲的是梯度的概念，在实验部分，比较之前的线性回归的梯度与通过定义来计算的梯度，统计二者之间的误差。 参考：http://blog.cs...
分类：
其他好文 时间：
2015-09-12 09:33:28
阅读次数：
210
ufdl的新教程，从基础学起。第一节讲的是线性回归。主要目的是熟悉目标函数，计算梯度和优化。 按着教程写完代码后，总是编译出错，一查是mex的原因，实在不想整了。 这位博主用的是向量，比较简洁：http://blog.csdn.net/lingerlanlan/article/details...
分类：
其他好文 时间：
2015-09-05 17:51:02
阅读次数：
129
第0步：初始化一些参数和常数第1步：利用训练样本集训练第一个稀疏编码器第2步：利用训练样本集训练第二个稀疏编码器第3步：利用第二个稀疏编码器提取到的特征训练softmax回归模型第4步：利用误差反向传播进行微调第5步：利用测试样本集对得到的分类器进行精度测试
分类：
其他好文 时间：
2015-08-31 21:21:45
阅读次数：
109
关于Andrew Ng的machine learning课程中，有一章专门讲解逻辑回归（Logistic回归），具体课程笔记见另一篇文章。下面，对Logistic回归做一个简单的小结：给定一个待分类样本x，利用Logistic回归模型判断该输入样本的类别，需要做的就是如下两步：① 计算逻辑回归假设函...
分类：
其他好文 时间：
2015-08-29 13:55:10
阅读次数：
299
这里所谓的自学习，其实就是利用稀疏自编码器对无标签样本学习其特征准备工作（1）下载Yann Lecun的MNIST数据集用到了如下的两个数据集：程序开始第0步：设置神经网络的结构该神经网络包括三层：输入层的神经元个数（数字识别，则设置输入的图像大小）输出端的神经元个数（也就是类别数）隐藏层神经元个数...
分类：
其他好文 时间：
2015-08-27 22:35:50
阅读次数：
220
神经网络模型
简单的神经网络
前向传播
代价函数
对于单个样例 ，其代价函数为：
给定一个包含m个样例的数据集，我们可以定义整体代价函数为：
以上公式中的第一项 是一个均方差项。第二项是一个规则化项（也叫权重衰减项），其目的是减小权重的幅度，防止过度拟合。
反向传播算法
反向传播算法，它是计算偏导数的一种有效方法。
批量梯...
分类：
其他好文 时间：
2015-08-21 15:45:36
阅读次数：
203
看之前Autoencoder什么时候，我做了一些练习这里：http://ufldl.stanford.edu/wiki/index.php/Exercise:Sparse_Autoencoder 。其实 从11月开始做。有没有经过调试，后来，加班太多，我没有那么做。抽出时间调了一天。最终顺利完毕了。...
分类：
Web程序 时间：
2015-08-17 13:46:14
阅读次数：
242
