斯坦福大学-深度学习基础教程（文字版非扫描版）

UFLDL教程

From Ufldl

说明：本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能

学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。

本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果

你不熟悉这些想法，我们建议你去这里

机器学习课程 (http://openclassroom.stanford.edu/MainFolder/CoursePage.php?

course=MachineLearning) ，并先完成第II，III，IV章（到逻辑回归）。

稀疏自编码器符号一览表

Exercise:Sparse Autoencoder

矢量化编程实现

矢量化编程

逻辑回归的向量化实现样例

神经网络向量化

Exercise:Vectorization

预处理：主成分分析与白化

主成分分析

白化

自我学习与无监督特征学习

自我学习

Exercise:Self-Taught Learning

建立分类用深度网络

从自我学习到深层网络

深度网络概览

栈式自编码算法

微调多层自编码算法

注意: 这条线以上的章节是稳定的。下面的章节仍在建设中，如有变更，恕不另行通知。请随

意浏览周围并欢迎提交反馈/建议。

混杂的

MATLAB Modules

Style Guide

Useful Links

混杂的主题

数据预处理

用反向传导思想求导

进阶主题:

Exercise:Independent Component Analysis

其它

Convolutional training

Restricted Boltzmann Machines

Deep Belief Networks

Denoising Autoencoders

K-means

Spatial pyramids / Multiscale

Slow Feature Analysis

英文原文作者: Andrew Ng, Jiquan Ngiam, Chuan Yu Foo, Yifan Mai, Caroline Suen

Language : English

Retrieved from

"http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B"

This page was last modified on 7 April 2013, at 18:26.