課程大綱：無監(jiān)督學(xué)習(xí)與自編碼器實現(xiàn)培訓(xùn)
在機器學(xué)習(xí)里在真正開始訓(xùn)練跑算法之前，
都需要進行數(shù)據(jù)預(yù)處理，
我們需要人工的或“啟發(fā)式”地去處理數(shù)據(jù)，提取特征，
數(shù)據(jù)預(yù)處理的效果對后續(xù)訓(xùn)練過程很關(guān)鍵。
這門課程將介紹一種基于無監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)降維的一種應(yīng)用——自聯(lián)想存儲器。
1 無監(jiān)督學(xué)習(xí)
2 梯度下降算法
3 數(shù)據(jù)標準化
1
無監(jiān)督學(xué)習(xí)介紹
1.無監(jiān)督學(xué)習(xí)Unsupervisedlearning
2.聚類Clustering 3.特征提取Featuresextraction
4.自編碼器Autoencoder
2
自編碼器實現(xiàn)
1.歸一化 2.批量梯度下降Batchgradientdescent
3.隨機梯度下降Stochasticgradientdescent
4.小批梯度下降Minibatchgradientdescent
1 無監(jiān)督學(xué)習(xí)的基礎(chǔ)概念
2 實驗數(shù)據(jù)預(yù)處理：標準化
3 前向傳播代碼實現(xiàn)
4 反向傳播代碼實現(xiàn)
5 自編碼器模型的訓(xùn)練
請
登錄
后發(fā)表評論
新評論
全部
第1節(jié)
第2節(jié)
第3節(jié)
第4節(jié)
第5節(jié)
第6節(jié)
第7節(jié)
第8節(jié)
第9節(jié)
第10節(jié)
第11節(jié)
第12節(jié)
第13節(jié)
第14節(jié)
第15節(jié)
第16節(jié)
第17節(jié)
我的報告 / 所有報告
加入高級會員獲得助教答疑
