（六）6.4 Neurons Networks Autoencoders and Sparsity
BP算法是适合监督学习的，因为要计算损失函数,计算时y值又是必不可少的，现在假设有一系列的无标签train data： ，其中 ，autoencoders是一种无监督学习算法，它使用了本身作为标签以此来使用BP算法进行训练，即，见如下示例： 自编码器尝试学习一个 的函数，它尝试逼近一个恒等函数，从而使得输出 接近于输入 ，这样做的意义在于如果对hidden layer加上一些限制，比如hid
相关文章
- 1. [机器学习] UFLDL笔记 - Autoencoders and Sparsity
- 2. (六) 6.3 Neurons Networks Gradient Checking
- 3. Accelerating deep convolutional networks using low-precision and sparsity
- 4. 【转】Artificial Neurons and Single-Layer Neural Networks
- 5. Neurons and the brains
- 6. Learning Structured Sparsity in Deep Neural Networks
- 7. Neural Networks and Deep Learning习题解答--Sigmoid neurons simulating perceptrons
- 8. HNHN: Hypergraph Networks with Hyperedge Neurons（20-ICML）
- 9. [ICLR19] ORDERED NEURONS: INTEGRATING TREE STRUCTURES INTO RECURRENT NEURAL NETWORKS
- 10. Basic Neurons
- 更多相关文章...
- • W3C RDF and OWL 活动 - W3C 教程
- • XSL-FO table-and-caption 对象 - XSL-FO 教程
- • RxJava操作符（七）Conditional and Boolean
- • RxJava操作符（六）Utility
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. [机器学习] UFLDL笔记 - Autoencoders and Sparsity
- 2. (六) 6.3 Neurons Networks Gradient Checking
- 3. Accelerating deep convolutional networks using low-precision and sparsity
- 4. 【转】Artificial Neurons and Single-Layer Neural Networks
- 5. Neurons and the brains
- 6. Learning Structured Sparsity in Deep Neural Networks
- 7. Neural Networks and Deep Learning习题解答--Sigmoid neurons simulating perceptrons
- 8. HNHN: Hypergraph Networks with Hyperedge Neurons（20-ICML）
- 9. [ICLR19] ORDERED NEURONS: INTEGRATING TREE STRUCTURES INTO RECURRENT NEURAL NETWORKS
- 10. Basic Neurons