从自我学习到深层网络
From Ufldl
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 | + | 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 33: | Line 33: | ||
- | + | ==中英文对照== | |
+ | |||
+ | :自我学习 self-taught learning | ||
+ | |||
+ | :深层网络 deep networks | ||
+ | |||
+ | :微调 fine-tune | ||
+ | |||
+ | :稀疏自编码器 sparse autoencoder | ||
+ | |||
+ | :梯度下降 gradient descent | ||
+ | |||
+ | :非监督特征学习 unsupervised feature learning | ||
+ | |||
+ | :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) |
+ | |||
+ | |||
+ | |||
+ | {{建立分类用深度网络}} | ||
+ | |||
+ | |||
+ | {{Languages|Self-Taught_Learning_to_Deep_Networks|English}} |