非監督學習（一）Deep-Encoder（一）
版權聲明：本文爲原創文章，未經博主允許不得用於商業用途。 1. Auto-Encoder 1.1 原理 \qquad 最基本的AutoEncode是由三層網絡組成的，即輸入層，輸出層和編碼層，這裏拓展爲深度模型則將Encoder和Decoder都變爲一個深度網絡，如下圖： 優化目標爲使得輸入和輸出儘可能相似，而中間的Code即爲降維後的結果。 \qquad 相比於PCA或者LDA，DAE的多層網絡
相關文章
- 1. 機器學習（一）：監督學習與非監督學習
- 2. Machine Learning筆記（一） 監督學習、非監督學習
- 3. 監督學習和非監督學習
- 4. 監督學習與非監督學習
- 5. 監督學習，非監督學習與半監督學習
- 6. 《Machine Learning》第一講 監督／非監督學習
- 7. 監督學習、非監督學習、半監督學習（主動學習）
- 8. 監督學習，非監督學習，半監督學習和增強學習
- 9. 機器學習_2_監督學習和非監督學習
- 10. 非監督學習——PCA
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Kotlin學習（一）基本語法
- • Tomcat學習筆記（史上最全tomcat學習筆記）
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
