5深度學(xué)習(xí)講稿[五篇材料](編輯修改稿)
2025-09-07 11:03 本頁面
【文章內(nèi)容簡介】 對于卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，包括人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，經(jīng)過多年的發(fā)展，主要有三種方式，即完全有監(jiān)督方式 [29， 30]完全 第 3 頁 共 5 頁 無監(jiān)督方式 [31]和有監(jiān)督與無監(jiān)督方式相結(jié)合的方式。 有監(jiān)督學(xué)習(xí)是屬于機(jī)器學(xué)習(xí)中的一種學(xué)習(xí)方法，可以從已標(biāo)記的訓(xùn)練集樣本中學(xué)習(xí)到映射函數(shù)。在有監(jiān)督的學(xué)習(xí)中，每一個(gè)訓(xùn)練樣本都包括一個(gè)輸入對象（通常是以向量的形式表示）和一個(gè)理想的輸出值，該理想輸出值也被稱為監(jiān)督信號。監(jiān)督學(xué)習(xí)算法通過對數(shù) 據(jù)分析，進(jìn)而學(xué)習(xí)到一個(gè)映射函數(shù)，該函數(shù)能用于映射新的數(shù)據(jù)樣本。一個(gè)理想的情況是，對于新的數(shù)據(jù)樣本，該映射函數(shù)能正確的給出其類別標(biāo)簽。 在卷積神經(jīng)網(wǎng)絡(luò)中，通常采用有監(jiān)督的方法直接進(jìn)行訓(xùn)練，有監(jiān)督的方法最常用的是基于梯度的方法。一般采用的是批處理隨機(jī)梯度下降法。與有監(jiān)督學(xué)習(xí)相對應(yīng)的是無監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)并不要求輸入的訓(xùn)練數(shù)據(jù)帶有標(biāo)簽，其主要目的在于從無標(biāo)簽的數(shù)據(jù)中找到隱藏的、更加抽象的結(jié)構(gòu)。 在模式識別和計(jì)算機(jī)視覺領(lǐng)域，采用無監(jiān)督學(xué)習(xí)算法來提取特征已經(jīng)有很長時(shí)間的應(yīng)用歷史了。無監(jiān)督學(xué)習(xí)的方 法，如稀疏自動(dòng)編碼機(jī)、限制玻爾茲曼機(jī)、高斯混合模型、主成分分析和 k均值等在計(jì)算機(jī)視覺領(lǐng)域都有著大量的應(yīng)用。 可將具體的無監(jiān)督學(xué)習(xí)算法看做一個(gè)
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1