数据预处理

@@ Line 102: / Line 102: @@
 MNIST 数据集的像素值在 <math>[0, 255]</math> 区间中。我们首先将其缩放到 <math>[0, 1]</math> 区间。实际上，进行逐样本均值消去也有助于特征学习。''注：也可选择以对 MNIST 进行 PCA/ZCA 白化，但这在实践中不常用。''
+==中英文对照==
+:归一化	normalization
+:白化	whitening
+:直流分量	DC component
+:局部均值消减	local mean subtraction
+:消减归一化	sparse autoencoder
+:缩放	rescaling
+:逐样本均值消减	per-example mean subtraction
+:特征标准化	feature standardization
+:平稳	stationary
+:Mel倒频系数 MFCC
+:零均值化	zero-mean
+:低通滤波	low-pass filtering
+:基于重构的模型	reconstruction based models
+:自编码器	autoencoders
+:稀疏编码	sparse coding
+:受限Boltzman机	RBMs
+:k-均值	k-Means
+:长尾	long tail
+:损失函数	loss function
+:正交化	orthogonalization
@@ Line 107: / Line 149: @@
 陈磊(lei.chen@operasolutions.com)， 王文中（wangwenzhong@ymail.com）,  王方（fangkey@gmail.com）
+{{Languages|Data_Preprocessing|English}}

Latest revision as of 04:22, 8 April 2013