DL4j-09-De-Noise Encoder
深度自动编码器
自动编码器是一种用于降维的神经网络,这也就是说,它可以用于特征选择和提取。
隐藏层数量多于输入的自动编码器有可能会学习恒等函数(输出直接等于输入的函数),进而变得无用。
降噪自动编码器是基本自动编码器的一种扩展,是加入了随机因素的自动编码器。降噪自动编码器采用对输入进行随机污染(即引入噪声)的方式来减少学习恒等函数的风险,
自动编码器必须将污染后的输入重构,或称降噪。
...
2017-12-01 13:30:47 |
Deep Learning
DL4j-08-Deep Auto Encoder
深度自动编码器
深度自动编码器由两个对称的深度置信网络组成,
其中一个深度置信网络通常有四到五个浅层,构成负责编码的部分,另一个四到五层的网络则是解码部分。
这些层都是受限玻尔兹曼机(RBM),即构成深度置信网络的基本单元,
它们有一些特殊之处,我们将在下文中介绍。以下是简化的深度自动编码器架构示意图,下文会作具体说明。
这种算法的大致思想是:
将神经网络的隐含层看成是一个编码器...
2017-11-30 13:07:44 |
Deep Learning
DL4j-07-RBM
受限玻尔兹曼机
受限玻尔兹曼机由 Geoff Hinton 发明,
是一种用于降维、分类、回归、协同过滤、特征学习和主题建模的算法。
RBM是有两个层的浅层神经网络,它是组成深度置信网络的基础部件。RBM的第一个层称为可见层,又称输入层,而第二个层是隐藏层。
上图中每个圆圈都是一个与神经元相似的单元,称为节点,运算在节点中进行。一个层中的节点与另一层中的所有节点分别连接,但与同一层...
2017-11-30 13:07:44 |
Deep Learning
DL4j-06-word2vec
Word2Vec 简介
Word2vec是一个用于处理文本的双层神经网络。它的输入是文本语料,输出则是一组向量:该语料中词语的特征向量。
虽然 Word2vec 并不是深度神经网络,但它可以将文本转换为深度神经网络能够理解的数值形式。
Word2vec的应用不止于解析自然语句。它还可以用于基因组、代码、点赞、播放列表、社交媒体图像等其他语言或符号序列,同样能够有效识别其中存在的模式。
...
2017-11-28 11:30:30 |
Deep Learning
DL4j-05-CNN
写在前面
发现距离上次学习 DL 已经有大半年了,中间因为网络原因而放弃。
仔细想来,是自己没有坚持。
希望自己坚持下去,深度学习必将是编程的一次革命性进步。
兴趣
为了提高兴趣和反馈,可以将知识点细碎的过一遍。
每一篇内容少一些。以后补充些实际的例子。
卷积网络
卷积网络(Convolutional Neural Networks)对图像进行物体辨识,可识别人脸、人类个体、...
2017-11-27 12:49:53 |
Deep Learning
SQL Query
分组之后排序取第一条
oracle 分组后取每组第一条数据
SELECT *
FROM (SELECT ROW_NUMBER() OVER(PARTITION BY x ORDER BY y DESC) rn,
test1.* FROM test1)
WHERE rn = 1
关联查询
今天关联查询遇到一个...
2017-11-20 02:05:49 |
SQL
MySQL Query Optimize 查询性能优化
1 基本概念简述
1.1 逻辑架构
client=》连接=》sql 解析=》预处理=》查询优化器=》生成执行计划=》执行=》执行引擎=》存储引擎
第一层:客户端通过连接服务,将要执行的sql指令传输过来
第二层:服务器解析并优化sql,生成最终的执行计划并执行
第三层:存储引擎,负责数据的储存和提取
1.2 锁
数据库通过锁机制来解决并发场景-共享锁(读锁)和排他锁(写锁)。
...
2017-11-20 02:05:49 |
SQL
mysql inner join 查询性能优化
inner join 优化小表驱动大表介绍
在数据库查询中
SELECT * FROM 小表 INNER JOIN 大表 ON 小表.id=大表.id
效率高于
SELECT * FROM 大表 INNER JOIN 小表 ON 小表.id=大表.id
前者时间更短!
inner join 原理 AND 小表驱动大表的原因
其实其他join也是这个原理,只是MySQL只对i...
2017-11-20 02:05:49 |
SQL