您的位置:首页 > 产品设计 > UI/UE

深度学习入门系列(Aliyun)(to be continued)

2018-03-28 18:51 453 查看

激活引入非线性,池化预防过拟合(深度学习入门系列之十二)

卷积神经网络的所有核心层

各个层各司其职,概括起来

- 卷积层: 从数据中提取有用的特征;

- 激活层: 为网络中引入非线性,增强网络表征能力;

- 池化层: 通过采样减少特征维度,并保持这些特征具有某种程度上的尺度变化不变性。

- 全连接层: 实施对象的分类预测。

目录

一入侯门“深”似海,深度学习深几许(深度学习入门系列之一)
人工“碳”索意犹尽,智能“硅”来未可知(深度学习入门系列之二)
神经网络不胜语,M-P模型似可寻(深度学习入门系列之三)
“机器学习”三重门,“中庸之道”趋若人(深度学习入门系列之四)
Hello World感知机,懂你我心才安息 (深度学习入门系列之五)
损失函数减肥用,神经网络调权重(深度学习入门系列之六)
山重水复疑无路,最快下降问梯度(深度学习入门系列之七)
BP算法双向传,链式求导最缠绵(深度学习入门系列之八)
全面连接困何处,卷积网络见解深(深度学习入门系列之九)
卷地风来忽吹散,积得飘零美如画(深度学习入门系列之十)
局部连接来减参,权值共享肩并肩(深度学习入门系列之十一)
激活引入非线性,池化预防过拟合(深度学习入门系列之十二)
循环递归RNN,序列建模套路深(深度学习入门系列之十三)
LSTM长短记,长序依赖可追忆(深度学习入门系列之十四) https://yq.aliyun.com/articles/174256?spm=a2c4e.11153940.blogcont169880.38.5dbf1c02W5ULOR[/code] 
理解卷积神经网络的利器:9篇重要的深度学习论文(上) https://yq.aliyun.com/articles/552464?spm=a2c4e.11153959.blogrightarea174256.36.26081befr7YOUD 理解卷积神经网络的利器:9篇重要的深度学习论文(下)
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签:  深度学习
相关文章推荐