Tag: 自编码器

深信仰networking与卷积neural network

我是neural network领域的新手，我想知道Deep Belief Networks和Convolutional Networks之间的区别。 另外，还有深度卷积networking是深信与卷积neural network的结合吗？ 这是我迄今为止收集的。 如果我错了，请纠正我。 对于图像分类问题， Deep Beliefnetworking有很多层次，每个层次都是使用贪心层次策略进行训练的。 例如，如果我的图片大小是50 x 50，并且我想要一个包含4个图层的深度networking input层 隐藏层1（HL1） 隐藏层2（HL2） 输出层 为了训练input层和HL1之间的权重（W1），我的input层将有50 x 50 = 2500个神经元，HL1 = 1000个神经元（比方说），HL2 = 100个神经元（比方说），输出层= 10个神经元。使用自动编码器（2500 – 1000 – 2500），并学习大小为2500 x 1000的W1（这是无监督学习）。 然后，我通过第一个隐藏层向前馈送所有图像以获得一组特征，然后使用另一个自动编码器（1000 – 100 – 1000）获取下一组特征，最后使用softmax图层（100 – 10）进行分类。 （只学习最后一层的权重（HL2 – 作为softmax层的输出）是监督学习）。 （我可以使用RBM代替autoencoder）。 如果使用卷积neural network解决同样的问题，那么对于50×50的input图像，我将只使用7×7的补丁（比如说）来开发一个networking。 我的层将是 input层（7 x 7 = 49个神经元） HL1（25个不同特征的25个神经元） […]