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 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。 | ||
- | |||
- | |||
- | |||
Line 56: | Line 53: | ||
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}} |