
無監督學習與自編碼器實現培訓
在機器學習里在真正開始訓練跑算法之前,
都需要進行數據預處理,
我們需要人工的或“啟發式”地去處理數據,提取特征,
數據預處理的效果對后續訓練過程很關鍵。
這門課程將介紹一種基于無監督學習神經網絡數據降維的一種應用——自聯想存儲器。
1 無監督學習
2 梯度下降算法
3 數據標準化
1
無監督學習介紹
1.無監督學習Unsupervisedlearning
2.聚類Clustering 3.特征提取Featuresextraction
4.自編碼器Autoencoder
2
自編碼器實現
1.歸一化 2.批量梯度下降Batchgradientdescent
3.隨機梯度下降Stochasticgradientdescent
4.小批梯度下降Minibatchgradientdescent
1 無監督學習的基礎概念
2 實驗數據預處理:標準化
3 前向傳播代碼實現
4 反向傳播代碼實現
5 自編碼器模型的訓練

請
登錄
后發表評論
新評論
全部
第1節
第2節
第3節
第4節
第5節
第6節
第7節
第8節
第9節
第10節
第11節
第12節
第13節
第14節
第15節
第16節
第17節
我的報告 / 所有報告