Welcome to DeepLearning ON GPU’s documentation!¶
Contents:
- 数学与物理基础
- DL的数学模型
- 神经学
- DL的用到的数学
- 常用的分类函数
- 张量
- Introduction
- 小波在图像中应用
- 深度学习
- -神经科学
- theano
- -EM算法
- -高斯过程
- +`稀疏编码 <SparseCoding>`_
- -+`条件随机场 <ConditionalRandomFields>`_
- +第二集梯度下降法
- +`第三集线性回归 <LogisticRegression>`_
- +第四集牛顿法
- 拟牛顿算法 -BFGS 算法
- +第五集第六集朴生成学习算法素贝叶斯算法
- -+第七集第八集`SVM <SurportVectorMachine>`_
- 第九集 经验风险最小化
- 第十集feature selection and feature selection
- -+`交叉验证 <crossValidation>`_
- -+第十一集贝叶斯统计正则化
- K_SVD算法模型
- 估计X
- 更新dictionary D
- 核心代码实现：
- 算法总结:
- 算法存在的可改进空间：
- 算法缺点：
- 参考：
- 第十三集 factor analysis
- 第十四集第十五集PCA 算法 ICA算法
- 马尔科夫链过程：
- 多层神经网络MLP
- 粒子群算法
- 协同学理论
- 时序数据分析
- -+trace in machine learning
- -+`交叉验证 <crossValidation>`_
- +`高斯过程 <GaussianProcess>`_
- +`条件随机场 <ConditionalRandomFields>`_
- +`决策树 <DecisionTree>`_
- +`张量分解 <TensorDecomposition>`_
- 分类器
- 串匹配
- 退火算法
- K-means 算法=expection maximum （EM）期望最大
- See also
- 异常检测
- Thinking
- 机器学习算法汇总：人工神经网络、深度学习及其它，http://www.csdn.net/article/2014-06-27/2820429
- 基本群和覆盖空间
- 时间序列预处理
- 不平衡数据集分类
- 增强学习
- fuzzy nerual network （ ） 模糊神经网络
- 贝叶斯信息准则（BIC）
- Introduction
- 硬间隔最大化
- 软间隔最大化
- 核函数
- logistic map
- See also
- Thinking
- Gaussian Process
- +`高斯过程 <http://blog.sciencenet.cn/blog-520608-718474.html>`_
- 深度网络的框架结构
- 深度网络的设计与可视化工具
- 应用研究
- deep learning 论文笔记
- Deep Learning Shape Priors for Object Segmentation
- Switchable Deep Network for Pedestrian Detection
- 创新点：
- 算法步骤：
- 可能的创新点：
- 疑问：
- 扩展阅读：
- Facial Expression Recognition via a Boosted Deep Belief Network
- 算法整个流程：
- 疑问：
- 算法创新点：
- 扩展阅读：
- 可能的创新点：
- Pedestrian Parsing via Deep Decompositional Network
- 扩展阅读：
- Discriminative Deep Metric Learning for Face Verification in the Wild
- Hybrid Deep Learning for Face Verification
- 扩展阅读：
- DeepFace: Closing the Gap to Human-Level Performance in Face Verification
- Deep Learning Face Representation from Predicting 10,000 Classes
- 创新点：
- 疑问：
- 扩展阅读：
- 深度学习总结：
- 卷积可视化
- 机器阅读与理解
- 推荐系统
- IM2Markup
- deep learning 论文笔记