自编码器 - 维基百科
自编码器维基百科,自由的百科全书跳到导航跳到搜索一个具有3个全连接隐藏层的自动编码器网络结构。自编码,也称自动编码器,是一种人工神经网络,在无监督学习中用于有效编码。自编码的目的是对一组数据学习出一种表示(也称表征,编码),通常用于降维。最近,自编码的概念广泛地用于数据的生成模型。[1][2]自2010年以来,一些先进的人工智能在深度学习网络中采用了采用堆叠式稀疏自编码。[3]结构另见表征学习参考Auto-EncodingVariationalBayes,Kingma,D.P.andWellin
最近的文章

长短期记忆 - 维基百科

长短期记忆维基百科,自由的百科全书跳到导航跳到搜索长短期记忆(英语:LongShort-TermMemory,LSTM)是一种时间循环神经网络(RNN)[1],论文首次发表于1997年。由于独特的设计结构,LSTM适合于处理和预测时间序列中间隔和延迟非常长的重要事件。LSTM的表现通常比时间循环神经网络及隐马尔科夫模型(HMM)更好,比如用在不分段连续手写识别上[2]。2009年,用LSTM构建的人工神经网络模型赢得过ICDAR手写识别比赛冠军。LSTM还普遍用于自主语音识别,2013年运用TI…

长短期记忆 LSTM继续阅读
更早的文章

逻辑回归-维基百科

逻辑回归维基百科,自由的百科全书跳转到导航跳转到搜索在统计中,逻辑模型(或logit模型)用于对特定类别或事件(例如通过/失败,胜利/失败,生死/健康或生病)的概率进行建模。这可以扩展为对几类事件建模,例如确定图像是否包含猫,狗,狮子等。图像中被检测到的每个对象都将被分配一个介于0和1之间的概率,并且其总和加一。Logistic回归是一种统计模型,其基本形式是使用Logistic函数对二进制因变量进行建模,尽管存在许多更复杂的扩展。在回归分析中,逻辑回归[1](或logit回归)正在估计逻辑模型…

逻辑回归继续阅读