Deep Learning（深度學習)整理，RNN,CNN,BP

阿新 • • 發佈：2019-01-10

假設我們有一個系統S，它有n層（S1,…Sn），它的輸入是I，輸出是O，形象地表示為： I =>S1=>S2=>…..=>Sn => O，如果輸出O等於輸入I，即輸入I經過這個系統變化之後沒有任何的資訊損失（呵呵，大牛說，這是不可能的。資訊理論中有個“資訊逐層丟失”的說法（資訊處理不等式），設處理a資訊得到b，再對b處理得到c，那麼可以證明：a和c的互資訊不會超過a和b的互資訊。這表明資訊處理不會增加資訊，大部分處理會丟失資訊。當然了，如果丟掉的是沒用的資訊那多好啊），保持了不變，這意味著輸入I經過每一層Si都沒有任何的資訊損失，即在任何一層Si，它都是原有資訊（即輸入I）的另外一種表示。現在回到我們的主題Deep Learning，我們需要自動地學習特徵，假設我們有一堆輸入I（如一堆影象或者文字），假設我們設計了一個系統S（有n層），我們通過調整系統中引數，使得它的輸出仍然是輸入I，那麼我們就可以自動地獲取得到輸入I的一系列層次特徵，即S1，…, Sn。

Deep Learning（深度學習)整理，RNN,CNN,BP

Deep Learning（深度學習)整理，RNN,CNN,BP

Deep Learning（深度學習）學習筆記整理系列三

Deep Learning（深度學習）學習筆記整理系列四

Deep Learning（深度學習）學習筆記整理系列七

深度學習FPGA實現基礎知識5(網友一致認可的----Deep Learning（深度學習）學習筆記整理及完整版下載)

Deep Learning（深度學習）學習筆記整理系列之（七）

Deep Learning（深度學習）學習筆記整理系列之（一）

Deep Learning（深度學習）學習筆記整理系列之（四）

Deep Learning（深度學習）學習筆記整理系列(概括的很好)----之四（自編碼）

Deep Learning（深度學習）學習筆記整理系列之（三）

Deep Learning（深度學習）學習筆記整理系列之（六）

Deep Learning（深度學習）學習筆記整理系列之（八）

Deep Learning（深度學習）學習筆記整理系列

Deep Learning（深度學習）學習筆記整理系列之（七）Convolutional Neural Networks卷積神經網路

Deep Learning（深度學習）學習筆記整理系列之（六）AutoEncoder自動編碼器

Deep Learning（深度學習）學習筆記整理系列（五）

Deep Learning（深度學習）學習筆記整理系列（六）

深度學習FPGA實現基礎知識10(Deep Learning（深度學習）卷積神經網路(Convolutional Neural Network，CNN))

深度學習FPGA實現基礎知識6(Deep Learning（深度學習）學習資料大全及CSDN大牛部落格推薦)

Deep Learning（深度學習）之（一）特徵以及訓練方法

Deep Learning（深度學習)整理，RNN,CNN,BP

相關推薦