深度学习笔记1(卷积神经网络)
在看完了UFLDL教程之后，决定趁热打铁，继续深度学习的学习，主要想讲点卷积神经网络，卷积神经网络是深度学习的模型之一，还有其它如AutoEncoding、Deep Belief Network、Restricted Boltzmann Machine和sparse coding等。
在UFLDL教程中提到了针对大型图像的处理...
分类：
其他好文 时间：
2015-06-21 02:07:43
阅读次数：
955
CNN公式推导
1 前言
在看此blog之前，请确保已经看懂我的前两篇blog【深度学习笔记1(卷积神经网络)】和【BP算法与公式推导】。并且已经看过文献[1]的论文【Notes on Convolutional Neural Networks】。因为本文就是讲解文献[1]论文前部分公式的推导过程这里有一个假设，或许公式是错误的，如有好的理解请留言>。
2 CNN公式推导...
分类：
其他好文 时间：
2015-06-21 02:07:36
阅读次数：
4106
DeepLearnToolbox是一个简单理解CNN过程的工具箱，可以在github下载。为了理解卷积神经网络的过程，我特此对CNN部分源码进行了注释。公式的计算可以由上一篇blog推导得出。
注意：代码中没有的subsampling进行设置参数，将subsampling层的参数w就设置为了0.25,而偏置参数b设置为0。卷积层计算过程为上一层所有feature map的卷积的...
分类：
其他好文 时间：
2015-06-21 02:05:40
阅读次数：
848
卷积神经网络起源：喵星人的视觉皮层1958 年，一群奇葩的神经科学家把电极插到喵星人的脑子里，去观察视觉皮层的活动。从而推断生物视觉系统是从物体的小部分入手，经过层层抽象，最后拼起来送入处理中心，减少物体判断的可疑性的。这种方法就与BP网络背道而驰。BP网络认为，大脑每个神经元都要感知物体的全部（全...
分类：
其他好文 时间：
2015-06-19 20:07:57
阅读次数：
271
之前实现了一层的卷积神经网络，又实现了两层的卷积神经网络，接下来把cnn扩展到任意层就不难了。这难道就是传说中的“道生一，一生二，二生三，三生万物”么？＝。＝代码还是在github上。比较有趣的一点是，我分别用两层的神经网络和一层的神经网络进行了实现，结果如下图：两层的cnn结果：一层的cnn结果：...
分类：
其他好文 时间：
2015-06-19 01:21:01
阅读次数：
226
【深度学习系列3】 Mariana CNN并行框架与图像识别本文是腾讯深度学习系列文章的第三篇，聚焦于腾讯深度学习平台Mariana中深度卷积神经网络Deep CNNs的多GPU模型并行和数据并行框架。将深度卷积神经网络（Convolutional Neural Networks, 简称CNNs）用...
分类：
其他好文 时间：
2015-06-18 13:00:13
阅读次数：
211
http://m.blog.csdn.net/blog/wu010555688/24487301本文整理了网上几位大牛的博客，详细地讲解了CNN的基础结构与核心思想，欢迎交流。[1]Deep learning简介[2]Deep Learning训练过程[3]Deep Learning模型之：CNN卷...
分类：
其他好文 时间：
2015-06-09 06:04:15
阅读次数：
315
转自：http://dataunion.org/11692.html作者：张雨石自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解...
分类：
其他好文 时间：
2015-06-09 00:51:09
阅读次数：
205
卷积神经网络总结卷积神经网络总结——放牛娃的春天原文链接：http://blog.csdn.net/achaoluo007/article/details/40956285CNNs应用的最成功的一个例子：YannLeCun（曾经是Hinton组的researchassociate）链接：http:/...
分类：
其他好文 时间：
2015-06-01 20:22:17
阅读次数：
146
这一部分介绍了卷积神经网络的概念和技巧，并且用Lasagne实际训练了一个卷积神经网络。在这基础上，分析模型的学习曲线，提出了用数据扩充方法来提高模型学习效果。然后介绍了在当前问题上应用数据扩充的具体操作。再次训练网络，分析了普通卷积神经网络使用了数据扩充技巧之后的训练效果。...
分类：
Web程序 时间：
2015-05-31 00:05:56
阅读次数：
163
