【耗時三十年,深度學習之父HINTON是怎麼讓一度衰頹的類神經網路重迎曙光的呢?】
今天要接續上週聊到一半的類神經網路小歷史──若是沒有一個關鍵人物,那麼類神經網路的故事可能也就到此為止了。
當時的學界只要看到出現「神經網路」字眼的論文或研究計畫,便會立刻貶斥,認為:多層的神經網路是不可能的。
Hinton 教授作為反向傳播算法的發明人之一,即使不被學界重視,30 多年來、對於神經網路研究仍然不離不棄。Hinton 教授的苦心鑽研,終於在 2006 年時有了成果,成功解決了反向傳播的優化問題。
他是怎麼成功訓練神經網路的呢? Hinton 提出了限制玻爾茲曼機 (RBM) 和深度信念網路 (DBN) 兩個概念。
dbn算法 在 DBN原理及实践总结-1 - Luozm's Blog 的推薦與評價
深度信念网络(Deep Belief Networks,DBN)是一种概率生成模型,是多个受限玻尔兹曼 ... 举例来说,两种典型的算法朴素贝叶斯(Naive Bayes)和逻辑 ... ... <看更多>
dbn算法 在 xiaomangui/LBP-DBN-face-recognition: 使用LBP特征提取算法 ... 的推薦與評價
使用LBP特征提取算法提取人脸特征,DBN网络来实现人脸识别,测试数据库ORL数据库,识别率可达90%以上- GitHub - xiaomangui/LBP-DBN-face-recognition: 使用LBP特征 ... ... <看更多>
dbn算法 在 3-1.2烷稀炔與環烷10_不飽和度(缺氫指數) - YouTube 的推薦與評價
3-1.2烷稀炔與環烷10_不飽和度(缺氫指數) ... <看更多>