没有合适的资源？快使用搜索试试~ 我知道了~

首页大牛Yann LeCun关于深度学习的综述报告（2013）

大牛Yann LeCun关于深度学习的综述报告（2013）

Deep

Learning,

Review,

Yann

需积分: 9 27 下载量 85 浏览量更新于2023-03-16 评论 2 收藏 11.33MB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

试读

204页

Title: Deep Learning Tutorial Reporter: Yann LeCun (Center for Data Science & Courant Institute, NYU) Site: ICML, Atlanta, 2013-06-16

资源详情

资源评论

资源推荐

Y LeCun

MA Ranzato

Deep Learning

Tutorial

ICML, Atlanta, 2013-06-16

Yann LeCun

Center for Data Science & Courant Institute, NYU

yann@cs.nyu.edu

http://yann.lecun.com

Marc'Aurelio Ranzato

Google

ranzato@google.com

http://www.cs.toronto.edu/~ranzato

Y LeCun

MA Ranzato

Deep Learning = Learning Representations/Features

The traditional model of pattern recognition (since the late 50's)

Fixed/engineered features (or fixed kernel) + trainable

classifier

End-to-end learning / Feature learning / Deep learning

Trainable features (or kernel) + trainable classifier

“Simple” Trainable

Classifier

hand-crafted

Feature Extractor

Trainable

Classifier

Trainable

Feature Extractor

Y LeCun

MA Ranzato

This Basic Model has not evolved much since the 50's

The first learning machine: the Perceptron

Built at Cornell in 1960

The Perceptron was a linear classifier on

top of a simple feature extractor

The vast majority of practical applications

of ML today use glorified linear classifiers

or glorified template matching.

Designing a feature extractor requires

considerable efforts by experts.

y=sign

(

∑

i=1

(

)

Y LeCun

MA Ranzato

Architecture of “Mainstream”Pattern Recognition Systems

Modern architecture for pattern recognition

Speech recognition: early 90's – 2011

Object Recognition: 2006 - 2012

fixed

unsupervised

supervised

ClassifierMFCC Mix of Gaussians

Classifier

SIFT

HoG

K-means

Sparse Coding

Pooling

fixed

unsupervised

supervised

Low-level

Features

Mid-level

Features

Y LeCun

MA Ranzato

Deep Learning = Learning Hierarchical Representations

It's deep if it has more than one stage of non-linear feature

transformation

Trainable

Classifier

Low-Level

Feature

Mid-Level

Feature

High-Level

Feature

Feature visualization of convolutional net trained on ImageNet from [Zeiler & Fergus 2013]

剩余203页未读，继续阅读

介绍深度学习(Deep Learning)的3篇经典英文综述和2篇中文综述

深度学习（Deep Learning)被《麻省理工学院技术评论》杂志列为2013年十大突破性技术之首。自2006年以来，深度学习在学术界持续升温。但目前系统性地介绍深度学习技术的资料相对较少。本资源里包括介绍深度学习的3篇经典英文综述，由深度学习专家Yoshua Bengio所写。以及2篇，我在万方和中国期刊网上能找到的，仅有的中文综述。供需要的人阅读和下载。

《深度学习》课程设计.pdf

（含实验代码）采用密集连接网络分别从两个方面进行预测，一方面是没有使用K折验证，预测结果不好，另一方面是加入K折验证改进后的结果，最后预测的房价与真实值基本符合。

深度学习-LeCun、Bengio和Hinton的联合综述外文文献及中文翻译

python 不显示图像，提示Downloading http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz应该怎么改代码

url_base = 'http://yann.lecun.com/exdb/mnist/' file_names = ['train-images-idx3-ubyte.gz', 'train-labels-idx1-ubyte.gz', 't10k-images-idx3-ubyte.gz', 't10k-labels-idx1-ubyte.gz'] for file_name in ...

【项目大作业名称 4】 Digit Recognizer 手写体数据集（MNIST）是机器学习中最为经典的数据集，本课题要求使用学习到的机器学习算法对手写体数字进行分类。对于初学者来说，这是一个非常好的项目，可以帮助他们熟悉数据预处理、特征工程、模型选择和调优等机器学习基础概念。 THE MNIST DATABASE of handwritten digits：http://yann.lecun.com/exdb/mnist/ Kaggle 项目链接：https://www.kaggle.com/competitions/digit-recognizer/data 从此处下载数据集。【项目大作业目的】 1、掌握机器学习算法的一般流程； 2、掌握 sklearn，keras、tensorflow 等实战具体的分类任务； 3、掌握数据读取，读取训练集与测试集数据； 4、尝试数据集划分，通过数据集的划分掌握欠拟合，过拟合； 5、尝试图像相关的预处理工作； 6、尝试不同机器学习算法训练模型，既要使用传统的机器学习分类算法（如 KNN 等）又要使用深度学习算法来进行分类，了解深度学习算法在图像处理方面的优势； 7、熟悉分类算法的评估指标； 8、能够对识别错误的 case 进行分析，能够分析对算法进行调优； 9、掌握 Matplotlib 可视化。

好的，这是一个关于手写数字识别的机器学习项目。你需要使用机器学习算法对手写数字进行分类，并且要熟悉数据预处理、特征工程、模型选择和调优等机器学习基础概念。你还需要掌握sklearn、keras、tensorflow等实战...

识别数字准确率最高的神经网络

它是由Yann LeCun等人于1998年提出的，是第一个成功应用于手写数字识别的卷积神经网络。在MNIST数据集上，LeNet-5的识别准确率达到了99.2%以上。随着深度学习技术的不断发展，目前还有一些更高精度的模型，例如...

下载mnist.json.gz

http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz ...

如何在http://yann.lecun.com/exdb/mnist/中下载train-images-idx3-ubyte.gz，train-labels-idx1-ubyte.gz，t10k-images-idx3-ubyte.gz和t10k-labels-idx1-ubyte.gz。

url_base = 'http://yann.lecun.com/exdb/mnist/' file_names = ['train-images-idx3-ubyte.gz', 'train-labels-idx1-ubyte.gz', 't10k-images-idx3-ubyte.gz', 't10k-labels-idx1-ubyte.gz'] for file_name in ...

深度学习中图像分类模型的发展现状，1000字以上，列出具体的模型。

深度学习在图像分类领域取得了显著的成果，其中最为有名的模型包括： 1.LeNet：由Yann LeCun首创的卷积神经网络，是最早的卷积神经网络之一，在MNIST数据集上取得了很高的准确率。 2.AlexNet：2012年ImageNet比赛...

ivcduzhap

粉丝: 0
资源: 6

上传资源快速赚钱

我的内容管理收起

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

会员权益专享

大牛Yann LeCun关于深度学习的综述报告（2013）

评论0

会员权益专享

最新资源

大牛Yann LeCun关于深度学习的综述报告（2013）

评论0

介绍深度学习(Deep Learning)的3篇经典英文综述和2篇中文综述

《深度学习》课程设计.pdf

深度学习-LeCun、Bengio和Hinton的联合综述外文文献及中文翻译

minst数据集是由yann lecun教授提供的手写数字数据库文件怎么下载

深度学习国内外研究现状

gan运行提示Downloading http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz

给我叙述深度学习算法的发展历程

DNN深度神经网络文献综述

什么是卷积神经网络？最早是谁提出了卷积神经网络？

人工智能深度学习参考文献

卷积神经网络开山之作

请介绍卷积神经网络的由来

http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz读取与显示

python 不显示图像，提示Downloading http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz应该怎么改代码

识别数字准确率最高的神经网络

下载mnist.json.gz

如何在http://yann.lecun.com/exdb/mnist/中下载train-images-idx3-ubyte.gz，train-labels-idx1-ubyte.gz，t10k-images-idx3-ubyte.gz和t10k-labels-idx1-ubyte.gz。

深度学习中图像分类模型的发展现状，1000字以上，列出具体的模型。

文本分类相关全球著名学者

会员权益专享

最新资源