UFLDL教程

說明：本教程將闡述無監(jiān)督特征學(xué)習(xí)和深度學(xué)習(xí)的主要觀點(diǎn)。通過學(xué)習(xí)，你也將實(shí)現(xiàn)多個(gè)功能學(xué)習(xí)/深度學(xué)習(xí)算法，能看到它們?yōu)槟愎ぷ?#xff0c;并學(xué)習(xí)如何應(yīng)用/適應(yīng)這些想法到新問題上。

本教程假定機(jī)器學(xué)習(xí)的基本知識(shí)（特別是熟悉的監(jiān)督學(xué)習(xí)，邏輯回歸，梯度下降的想法），如果你不熟悉這些想法，我們建議你去這里

機(jī)器學(xué)習(xí)課程，并先完成第II，III，IV章（到邏輯回歸）。

稀疏自編碼器

• 神經(jīng)網(wǎng)絡(luò)
• 反向傳導(dǎo)算法
• 梯度檢驗(yàn)與高級(jí)優(yōu)化
• 自編碼算法與稀疏性
• 可視化自編碼器訓(xùn)練結(jié)果
• 稀疏自編碼器符號(hào)一覽表
• Exercise:Sparse Autoencoder

矢量化編程實(shí)現(xiàn)

• 矢量化編程
• 邏輯回歸的向量化實(shí)現(xiàn)樣例
• 神經(jīng)網(wǎng)絡(luò)向量化
• Exercise:Vectorization

預(yù)處理：主成分分析與白化

• 主成分分析
• 白化
• 實(shí)現(xiàn)主成分分析和白化
• Exercise:PCA in 2D
• Exercise:PCA and Whitening

Softmax回歸

• Softmax回歸
• Exercise:Softmax Regression

自我學(xué)習(xí)與無監(jiān)督特征學(xué)習(xí)

• 自我學(xué)習(xí)
• Exercise:Self-Taught Learning

建立分類用深度網(wǎng)絡(luò)

• 從自我學(xué)習(xí)到深層網(wǎng)絡(luò)
• 深度網(wǎng)絡(luò)概覽
• 棧式自編碼算法
• 微調(diào)多層自編碼算法
• Exercise: Implement deep networks for digit classification

自編碼線性解碼器

• 線性解碼器
• Exercise:Learning color features with Sparse Autoencoders

處理大型圖像

• 卷積特征提取
• 池化
• Exercise:Convolution and Pooling

---

注意: 這條線以上的章節(jié)是穩(wěn)定的。下面的章節(jié)仍在建設(shè)中，如有變更，恕不另行通知。請(qǐng)隨意瀏覽周圍并歡迎提交反饋/建議。

混雜的

• MATLAB Modules
• Style Guide
• Useful Links

混雜的主題

• 數(shù)據(jù)預(yù)處理
• 用反向傳導(dǎo)思想求導(dǎo)

進(jìn)階主題:

稀疏編碼

• 稀疏編碼
• 稀疏編碼自編碼表達(dá)
• Exercise:Sparse Coding

獨(dú)立成分分析樣式建模

• 獨(dú)立成分分析
• Exercise:Independent Component Analysis

其它

• Convolutional training
• Restricted Boltzmann Machines
• Deep Belief Networks
• Denoising Autoencoders
• K-means
• Spatial pyramids / Multiscale
• Slow Feature Analysis
• Tiled Convolution Networks

總結(jié)

以上是生活随笔為你收集整理的斯坦福大学UFLDL教程列表的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。