摘要：
Hinton第五课突然不知道object recognition 该翻译成对象识别好，还是目标识别好，还是物体识别好，但是鉴于范围性，还是翻译成对象识别吧。这一课附带了两个论文《Convolutional Networks for Images,Speech,and Time-series》在前面翻... 阅读全文
摘要：
Convolutional Networks for Images,Speech,and Time-seriesYann LeCun Yoshua Bengio1995年的1引言 多层BP网络可以从大数据样本中学习复杂的，高维的，非线性的映射并用于图像识别和语音识别任务（见pattern reco... 阅读全文
摘要：
Hinton第四课这一课主要介绍神经网络在语言处理上应用，而主要是在文本上，并附上了2003年Bengio 等人的19页的论文《A Neural Probabilistic Language Model》，觉得不错，打算看看翻译了之后在传上来，虽然不是做这方面的，但是多懂些其他领域的东西也好。一、学... 阅读全文
摘要：
Hinton第三课这节课主要是介绍NN的输出端常用的神经元，然后重点是说明怎么使用BP来计算偏导数，在Hinton这一课中，他提供了他1986年参与写的《并行分布处理》一书的第8章，49页，这本书的编者是当你的认知神经界的Rumelhart, D. E和McClelland, J. L，想想估计那时... 阅读全文
摘要：
Hinton课程第二课一、NN结构的主要类型的概述 这里的结构就是连接在一起的神经元。目前来说，在实际应用中最常见的NN就是前向NN，他是将数据传递给输入单元，通过隐藏层最后到输出层的单元；一个更有趣的结构是递归神经网络RNN，这种网络能够将信息保存很久，所以能够表现各种有趣的震荡，但是却也难... 阅读全文
摘要：
稀疏过滤 Jiquan Ngiam，Pang Wei Koh，Zhenghao Chen，Sonia Bhaskar，Andrew Y.Ng 摘要：无监督特征学习能够在图像、视频和语音分类上高效的学习表征是众所周知的。然而现今很多特征学习算法却很难被使用，而且需要大量的超参数调整。在本文中，我们提出 阅读全文
摘要：
这是DL的发明人Hinton在多伦多大学的2013年冬季教授de课程，并将视频分享到coursera网站上。其中不但有视频，也有课件，但是Hinton主页上还有他上课的课后问题，Hinton告诉学生这些视频作为课前看看，课中在讨论和上课，其实这种方法很好。可惜估计一辈子也看不到大牛了，只能沾沾他... 阅读全文
摘要：
来自ng的ml-003中 18_XVIII._Application_Example-_Photo_OCR 这是ng2013年在coursera上最后的一课了。这一系列的几个视频还是相比前面有些难懂，。。。。。。 ng说拿这个做例子有三个原因：一、演示如何将复杂的机器学习进行融合；二介绍下机器学习的 阅读全文
摘要：
来自ng的ml-003 17_XVII._Large_Scale_Machine_Learning 这里的大型机器学习是将算法应用到大数据集上，回顾前10年或者前5年，机器学习有了较好的发展是因为有了很多的数据集的出现。为了得到一个低bias算法 一、引言 在机器学习界 这是很广泛赞同的一句话，不是 阅读全文
摘要：
来自ng ml-003 的16_XVI._Recommender_Systems 还有17 和18 ng的ml-003就能够看完了。 推荐系统，常见于广告推送，比如亚马逊或者京东，等你购买东西之后他就会知道你喜欢什么。 一、推荐系统 假设一个电影评价系统，等级有5个星星，其中现在有4个评价者，在5部 阅读全文