链接: https://pan.baidu.com/s/1U-GhUrBOCkg6nc85-4Ehbg 密码: 38sa

    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
    神经网络
    反向传导算法 梯度检验与高级优化 自编码算法与稀疏性 可视化自编码器训练结果 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
    实现主成分分析和白化 Exercise:PCA in 2D Exercise:PCA and Whitening
    Softmax回归
    Softmax回归 Exercise:Softmax Regression
    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
    Exercise: Implement deep networks for digit classification
    自编码线性解码器
    线性解码器
    Exercise:Learning color features with Sparse Autoencoders
    处理大型图像
    卷积特征提取
    池化
    Exercise:Convolution and Pooling



    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    		 
    1.  Style Guide
    2.  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:稀疏编码
    稀疏编码 稀疏编码自编码表达 Exercise:Sparse Coding
    独立成分分析样式建模
    独立成分分析
    Exercise:Independent Component Analysis


    其它 |

    1.     <br />