从自我学习到深层网络

From Ufldl

Jump to: navigation, search
 
Line 1: Line 1:
-
在前一节中,我们利用自编码器来学习输入至 softmax 或 logistic 回归分类器的特征。这些特征仅利用未标注数据学习获得。在本节中,我们描述如何利用未标注数据进行'''微调''',从而进一步优化这些特征。如果有大量已标注数据,通过微调就可以显著提升分类器的性能。
+
在前一节中,我们利用自编码器来学习输入至 softmax 或 logistic 回归分类器的特征。这些特征仅利用未标注数据学习获得。在本节中,我们描述如何利用已标注数据进行'''微调''',从而进一步优化这些特征。如果有大量已标注数据,通过微调就可以显著提升分类器的性能。
Line 31: Line 31:
在什么时候应用微调?通常仅在有大量已标注训练数据的情况下使用。在这样的情况下,微调能显著提升分类器性能。然而,如果有大量未标注数据集(用于非监督特征学习/预训练),却只有相对较少的已标注训练集,微调的作用非常有限。
在什么时候应用微调?通常仅在有大量已标注训练数据的情况下使用。在这样的情况下,微调能显著提升分类器性能。然而,如果有大量未标注数据集(用于非监督特征学习/预训练),却只有相对较少的已标注训练集,微调的作用非常有限。
-
 
-
 
-
{{CNN}}
 
==中英文对照==
==中英文对照==
-
自我学习 self-taught learning
+
:自我学习 self-taught learning
-
深层网络 deep networks
+
:深层网络 deep networks
-
微调 fine-tune
+
:微调 fine-tune
-
稀疏自编码器 sparse autoencoder
+
:稀疏自编码器 sparse autoencoder
-
梯度下降 gradient descent
+
:梯度下降 gradient descent
-
非监督特征学习 unsupervised feature learning
+
:非监督特征学习 unsupervised feature learning
 +
 
 +
:预训练 pre-training
-
预训练 pre-training
 
==中文译者==
==中文译者==
杨耀(iamyangyao@163.com),阎志涛(zhitao.yan@gmail.com),王文中(wangwenzhong@ymail.com)
杨耀(iamyangyao@163.com),阎志涛(zhitao.yan@gmail.com),王文中(wangwenzhong@ymail.com)
 +
 +
 +
 +
{{建立分类用深度网络}}
 +
 +
 +
{{Languages|Self-Taught_Learning_to_Deep_Networks|English}}

Latest revision as of 13:38, 10 April 2013

Personal tools