深度學習（2）--深度學習的概念
1、深度學習與機器學習
深度學習屬於機器學習的一種
深度學習是實現人工智慧的方法
深度學習是實現機器學習演算法的技術
2、深度學習演算法集合
卷積神經網路
迴圈神經網路
深度學習+強化學習=深度強化學習
自動編碼器
稀疏編碼
深度信念網路
限制玻爾茲曼機
3、深度學習的應用
影象識別
機器翻譯
影象生成，影象文字化
未完待續~~
相關推薦
深度學習（2）--深度學習中的這25個概念
神經網路基礎1）神經元（Neuron）——就像形成我們大腦基本元素的神經元一樣，神經元形成神經網路的基本結構。想象一下，當我們得到新資訊時我們該怎麼做。當我們獲取資訊時，我們一般會處理它，然後生成一個輸出。類似地，在神經網路的情況下，神經元接收輸入，處理它併產生輸出，而這個輸
深度學習（2）--深度學習的概念
1、深度學習與機器學習 深度學習屬於機器學習的一種 深度學習是實現人工智慧的方法 深度學習是實現機器學習演算法的技術 2、深度學習演算法集合 卷積神經網路 迴圈神經網路 深度學習+強化學習=深度強化學習 自動編碼器 稀疏編碼 深度信念網路
快速入門深度學習（2）遷移學習
咱們繼續入門課程系列，這次是關於遷移學習（Transfer Learning）的故事。 這次咱們要“學習”一把了，針對特定的任務構造自己的分類器了。這次咱們仍然使用AlexNet的網路結構（誰讓它經典呢），訓練這個網路讓它為咱們服務。 在正式Coding之前，首先
Hadoop-0.20.2原始碼學習（2）——原始碼學習環境搭建
參考： JeffreyZhou的部落格園 《Hadoop權威指南》第四版 0 本文前提 在上一篇文章中，通過啟動指令碼xxx.sh檔案的探索，對hadoop的原始碼有了一個初步的認識，發現最終都是執行
Udacity機器學習筆記——深度學習（2）
Udacity機器學習筆記——深度學習（2） 感知器 感知器或者神經元是神經網路的基礎單元，它們對輸入的資料進行判斷，比如說輸入一個學生的學業成績和考試成績，然後感知器根據這兩個值來判斷該學生是否被某大學錄取。那麼，感知器是根據什麼規則來對這兩個值進行比較從而得出結論的呢？感
（轉載）深度學習（2）——線性單元和梯度下降
原文地址：https://www.zybuluo.com/hanbingtao/note/448086 轉載在此的目的是自己做個筆記，日後好複習，如侵權請聯絡我！！ 在上一篇文章中，我們已經學會了編寫一個簡單的感知器，並用它來實現一個線性分類器。你應該還記得用來訓練感知器的『感知器規則』。然而，我們並沒有
深度學習（2）——prototxt視覺化編譯器
最近剛看到portotxt視覺化編輯器，感覺對新手理解各種網路很有用處。 prototxt是每個框架中定義網路的檔案。 新手可以在github下載原始碼，然後放在編譯器中，便會生成視覺化網路，並且滑鼠移到每個結點都會給出結點的資訊，十分便於理解。 portotxt視覺化編輯
深度學習（1）--機器學習的概念
1、機器學習的概念 維基百科的解釋是： 機器學習是人工智慧的一個分支。人工智慧的研究歷史有著一條從以“推理”為重點，到以“知識”為重點，再到以“學習”為重點的自然、清晰的脈絡。顯然，機器學習是實現人工智慧的一個途徑，即以機器學習為手段解決人工智慧中的問題。機器
機器學習（四） 機器學習與深度學習的實際應用整理
前言 本文主要是整理備份機器學習與深度學習的實際應用，儘量給出原始作者網站，包括論文、程式碼和github等原始資料。共勉！ 實際應用 基於深度神經網路的免費開源的人臉識別系統 openface已經到了0.2.1了，備份一個基
機器學習（三） 深度學習的經典論文、程式碼、部落格文章
前言 總結了Deep Learning應用相關的經典論文、程式碼、部落格文章之類，包括CNN、RCNN、DQN、RNN等，github上看到。 原文地址：https://github.com/kristjankorjus/applied-deep-l
高效學習（二）深度、歸納和堅持實踐
所有內容均來自左耳朵耗子的極客專欄 系統性學習 只有把這個學習模板中的內容都填實了，我才罷休。這個模板如下。 （一）這個技術出現的背景、初衷和要達到什麼樣的目標或是要解決什麼樣的問題。這個問題非常關鍵，也就是說，你在學習一個技術的時候，需要知道這個技術的成因和目
深度學習（一）深度學習資料
一、學習清單 1、綜合類 2、計算機視覺 3、NLP領域 (3)部落格推薦：http://www.wildml.com/ 包含了RNN、LSTM、Attention機制等教程，最主要的是講解的淺顯易懂，讓我等菜鳥受益匪淺
機器學習與深度學習系列連載： 第二部分 深度學習（七）深度學習技巧4（Deep learning tips- Dropout）
深度學習技巧4（ Dropout） Dropout 在2012年imagenet 比賽中大放異彩，是當時CNN模型奪冠的功勳環節之一。 那什麼是Dropout 我們先直觀的理解： 練武功的時候，訓練的時候腳上綁上重物 等到練成下山的時候： 我們從幾個方面來解
深度學習（十）keras學習筆記
作者：hjimce keras與torch7的使用非常相似，是最近才火起來的深度學習開源庫，底層是用了theano。keras可以說是python版的torch7，對於快速構建CNN模型非常方便。同時也包含了一些最新文獻的演算法，比如Batch Noramlize，文件
系統學習深度學習（一） --深度學習與神經網路關係
假設我們有一個系統S，它有n層（S1,…Sn），它的輸入是I，輸出是O，形象地表示為： I =>S1=>S2=>…..=>Sn => O，如果輸出O等於輸入I，即輸入I經過這個系統變化之後沒有任何的資訊損失（呵呵，大牛說，這是不可能的。資訊理論中有個“資訊逐層丟失”
tensorflow學習（2）：tensorflow中基本概念的理解
前言： tensorflow中有很多基本概念要理解，最好的方法是去官網跟著教程一步一步看，這裡還有一些翻譯的版本，對照著看有助於理解：tensorflow1.0 文件翻譯 正文： 一，構建並執行計算圖的必要過程 1，graph（圖計算）：詳見tf.G
Storm學習筆記（2）- Storm核心概念
文章目錄 Storm核心概念理解記憶之地鐵執行模型 Storm核心概念理解記憶之Storm Storm核心概念總結 官方連結： http://storm.apache.org/releases/1.2.2/Co
機器學習與深度學習系列連載： 第二部分 深度學習（六）深度學習技巧3（Deep learning tips- Early stopping and Regularization）
深度學習技巧3（ Early stopping and Regularization） 本節我們一起探討 Early stopping and Regularization，這兩個技巧不是深度學習特有的方法，是機器學習通用的方法。 1. Early stopp
決策樹學習（上）——深度原理剖析及原始碼實現
引言 本文給大家分享的主題是決策樹（Decision Tree）的原理剖析並附上程式碼實現供大家參考。由於基於決策樹的演算法較多，因此文章分為上下篇。上篇主要剖析決策樹原理、需要掌握的資訊理論知識以及Java原始碼實現等內容。下篇內容包括基於決策樹的ID3、C
深度學習（一）深度學習的發展歷史
本次深度學習系列主要從以下幾個方面記錄，主要為CNN相關 另外最後會專留一章講述CNN與計算機視覺中的目標檢測的發展。 ∙發展歷史 ∙基礎結構 ∙損失函式 ∙優化方法 ∙訓練trick 學習任一門知識都應該先從其歷史開始，把握了歷史，也就抓住了現在