1樓:匿名使用者
深度學習的模型有很多,既有生成模式也有判別模式, 目前開發者最常用的深度學習模型版與架構包括
2樓:熱帶巨獸
深度學習屬於判別模型
在深度學習中,dnn與dbn兩個網路有什麼區別
3樓:微笑之普利西亞
dnn 從名字上你就可以看出來,是深度神經網路,類比於淺層神經網路,內它的訓練方法也是bp,沒容有引入無監督的預訓練。隱層的啟用函式使用了 relu,改善了「梯度彌散」,通過正則化+dropout 改善了過擬合的現象,在輸出層 是softmax 作為啟用函式。目標函式是交叉熵。
他是一個 有監督的判別模型。
stacked denoised autoencoder (sda)深度學習結構,和dbn類似 使用 無監督的網路「堆疊」起來的,他有分層預訓練來尋找更好的引數,最後使用bp來微調網路。比dnn利用各種演算法來初始化權值矩陣,從經驗上來看是有幫助的。但是缺點也很明顯,每層的貪婪學習權值矩陣,也帶來了過長的訓練時間。
在大量的資料面前 dnn(relu)的效果已經不差於預訓練的深度學習結構了。最終dbn也是看成是「生成模型」。
**n 也沒有pre-train過程,訓練演算法也是用bp。 因為加入卷積 可以更好的處理2d資料,例如影象和語音。並且目前看來 相比其它網路有更好的表現。
dnn/dbn/sda 等都是處理1d的資料。
4樓:賈梓默
dnn 從名字上你就可
以看出bai來,是深度du神經網路,回類比於淺層神經網路,它zhi的訓練方法也是答bp,沒dao有引入無監督的預訓練。隱層的啟用函式使用了 relu,改善了「梯度彌散」,通過正則化+dropout 改善了過擬合的現象,在輸出層 是softmax 作為啟用函式。目標函式是交叉熵。
他是一個 有監督的判別模型。
stacked denoised autoencoder (sda)深度學習結構,和dbn類似 使用 無監督的網路「堆疊」起來的,他有分層預訓練來尋找更好的引數,最後使用bp來微調網路。比dnn利用各種演算法來初始化權值矩陣,從經驗上來看是有幫助的。但是缺點也很明顯,每層的貪婪學習權值矩陣,也帶來了過長的訓練時間。
在大量的資料面前 dnn(relu)的效果已經不差於預訓練的深度學習結構了。最終dbn也是看成是「生成模型」。
**n 也沒有pre-train過程,訓練演算法也是用bp。 因為加入卷積 可以更好的處理2d資料,例如影象和語音。並且目前看來 相比其它網路有更好的表現。
dnn/dbn/sda 等都是處理1d的資料。
深度學習是什么，深度學習是什麼？
深度學習是人工智慧的一個子集，它使用多層人工神經網路來執行一系列任務，從計算機視覺到自然語言處理。深度學習與傳統機器學習系統的不同之處在於，它能夠在分析大型資料集時進行自我學習和改進，因此能應用在許多不同的領域。深度學習是學習樣本資料的內在規律和表示層次，這些學習過程中獲得的資訊對諸如文字，影象和聲...
深度學習的基礎概念，深度學習中的端到端是什麼概念
從一個輸入中產生一個輸出所涉及的計算可以通過一個流向圖 flow graph 來表示 流向圖是一種能夠表示計算的圖，在這種圖中每一個節點表示一個基本的計算並且一個計算的值 計算的結果被應用到這個節點的孩子節點的值 考慮這樣一個計算集合，它可以被允許在每一個節點和可能的圖結構中，並定義了一個函式族。輸...
重慶有靠譜的深度學習機構嗎，深度學習在重慶好找工作嗎？
深度學習技術在現代社會的各個方面表現出了強大的功能，從web搜尋到社會網路內容過濾，再到電子商務 上的商品推薦都有涉足。並且它越來越多地出現在消費品中，比如相機和智慧手機。深度學習正在取得重大進展，有望成為計算機視覺 語音分析和許多其他領域內機器學習的主要形式。深度學習知識包括但不限於人工神經網路及...