从自我学习到深层网络
From Ufldl
| Line 7: | Line 7: | ||
【原文】 | 【原文】 | ||
In the previous section, you used an autoencoder to learn features that were then fed as input to a softmax or logistic regression classifier. In that method, the features were learned using only unlabeled data. In this section, we describe how you can '''fine-tune''' and further improve the learned features using labeled data. When you have a large amount of labeled training data, this can significantly improve your classifier's performance. | In the previous section, you used an autoencoder to learn features that were then fed as input to a softmax or logistic regression classifier. In that method, the features were learned using only unlabeled data. In this section, we describe how you can '''fine-tune''' and further improve the learned features using labeled data. When you have a large amount of labeled training data, this can significantly improve your classifier's performance. | ||
| + | |||
【初译】 | 【初译】 | ||
在此前的章节中，我们利用自动编码机来学习输入至softmax或logistic回归分类器的特征。上述方法中的特征仅利用未标注数据学习获得。在本章节中，我们描述了'''微调'''这一方法，即利用标注数据优化学习得到的特征。如果你拥有大量标注数据，可以显著提升分类器的性能。 | 在此前的章节中，我们利用自动编码机来学习输入至softmax或logistic回归分类器的特征。上述方法中的特征仅利用未标注数据学习获得。在本章节中，我们描述了'''微调'''这一方法，即利用标注数据优化学习得到的特征。如果你拥有大量标注数据，可以显著提升分类器的性能。 | ||
| + | |||
【一审】 | 【一审】 | ||
在此前的章节中，我们利用自动编码器来学习输入至softmax回归或logistic回归分类器的特征。上述方法中的特征仅利用未标注数据学习获得。在本章节中，我们描述了'''微调'''这一方法，即利用标注数据优化学习得到的特征。如果你拥有大量标注数据，可以显著提升分类器的性能。 | 在此前的章节中，我们利用自动编码器来学习输入至softmax回归或logistic回归分类器的特征。上述方法中的特征仅利用未标注数据学习获得。在本章节中，我们描述了'''微调'''这一方法，即利用标注数据优化学习得到的特征。如果你拥有大量标注数据，可以显著提升分类器的性能。 | ||
| Line 14: | Line 16: | ||
【原文】 | 【原文】 | ||
In self-taught learning, we first trained a sparse autoencoder on the unlabeled data. Then, given a new example <math>x</math>, we used the hidden layer to extract features <math>a</math>. This is illustrated in the following diagram: | In self-taught learning, we first trained a sparse autoencoder on the unlabeled data. Then, given a new example <math>x</math>, we used the hidden layer to extract features <math>a</math>. This is illustrated in the following diagram: | ||
| + | |||
【初译】 | 【初译】 | ||
在自我学习中，我们首先利用未标注数据训练一个稀疏自动编码机。随后，给定一个新样本<math>x</math>，我们通过隐层提取出特征<math>a</math>。上述过程图示如下： | 在自我学习中，我们首先利用未标注数据训练一个稀疏自动编码机。随后，给定一个新样本<math>x</math>，我们通过隐层提取出特征<math>a</math>。上述过程图示如下： | ||
| + | |||
| + | 【一审】 | ||
| + | 在自我学习中，我们首先利用未标注数据训练一个稀疏自动编码器。随后，给定一个新样本<math>x</math>，我们通过隐含层提取出特征<math>a</math>。上述过程图示如下： | ||
