• DL4j-02-MNIST
  Introduction MNIST包含手写数字的图像是一个数据库,与每一个图像标记的整数。它用于基准测试的机器学习算法的性能。 深度学习MNIST上执行的很好,实现超过99.7%的准确率。 我们将使用MNIST训练一个神经网络来看看每个图像和预测数字。 The MNIST Dataset MNIST数据集包含一个培训组60000例,和测试组10000例。 训练集用于教算法来预测...
  2017-04-16 09:32:46 | Deep Learning
• dl4j doc-04-minist 手写识别 Lenet-5 chat 简单聊聊
  chat Q: 手写数字识别模型 Lenet-5 详细介绍 LeNet-5 是由 Yann LeCun 等人于 1998 年提出的经典卷积神经网络模型，用于手写数字识别任务。它是深度学习领域中的先驱之一，被认为是现代卷积神经网络的雏形之一。LeNet-5 在数字识别任务上取得了很好的效果，为后来的深度学习研究奠定了基础。 以下是 LeNet-5 模型的详细介绍： 1. 架构 LeN...
  2017-04-16 04:03:32 | Deep Learning
• dl4j doc-03-Deeplearning4j 官方 template 本地测试验证 入门 MINIST 实战测试
  快速入门模板 现在您已经学会了如何运行不同的示例，我们为您提供了一个模板，其中包含一个带有简单评估代码的基本MNIST训练器。 快速入门模板可在 https://github.com/eclipse/deeplearning4j-examples/tree/master/mvn-project-template 上找到。 也可以下下载压缩包，然后倒入。 这个项目相对比较简单。 备份...
  2017-04-16 04:03:32 | Deep Learning
• dl4j doc-03-minist 手写识别 Lenet-5 paper 论文学习 《Gradient-Based Learning Applied to Document Recognition》 VIII
  VIII. 图形转换网络和转换器 Graph Transformer Networks and Transducers 在第四节中，图形转换网络（GTN）被介绍为多层、多模块网络的一种泛化，其中状态信息以图形而不是固定大小的向量表示。 本节将在广义转导框架中重新解释GTN，并提出了一个强大的图形组合算法。 A. 先前的工作 在语音识别领域，许多作者使用了梯度下降学习方法，将基于图形的...
  2017-04-16 04:03:32 | Deep Learning
• dl4j doc-03-minist 手写识别 Lenet-5 paper 论文学习 《Gradient-Based Learning Applied to Document Recognition》 V
  VII. 多对象识别：空间位移神经网络 Multiple Object Recognition: Space Displacement Neural Network 在明确使用启发式方法对字符字符串图像进行分割的简单替代方案中有一个简单的替代方法。这个想法是在整个单词或字符串的标准化图像上沿着所有可能的位置扫描一个识别器，如图22所示。通过这种技术，不需要分割启发式方法，因为系统本质上检...
  2017-04-16 04:03:32 | Deep Learning
• dl4j doc-03-minist 手写识别 Lenet-5 paper 论文学习 《Gradient-Based Learning Applied to Document Recognition》 V
  前言 书接上回，我们继续学习 lenet5. V. 多对象识别：启发式过分割 手写识别中最困难的问题之一是不仅要识别孤立的字符，而且要识别字符串，例如邮政编码、支票金额或单词。 由于大多数识别器只能一次处理一个字符，因此我们必须首先将字符串分割成单个字符图像。 然而，几乎不可能设计图像分析技术，可以将自然书写的字符序列无误地分割成规范的字符。 自动语音识别的最近历史提醒我们 [2...
  2017-04-16 04:03:32 | Deep Learning
• dl4j doc-03-minist 手写识别 Lenet-5 paper 论文学习 《Gradient-Based Learning Applied to Document Recognition》 III
  前言 书接上回，我们继续学习 lenet5. IV. 多模块系统和图变换网络 经典的反向传播算法，如前文所述和使用的那样，是一种简单形式的梯度下降学习。 然而，很明显，由方程4描述的梯度反向传播算法描述了比简单的由交替的线性变换和Sigmoid函数组成的多层前馈网络更一般的情况。 原则上，导数可以通过任何功能模块的任何排列进行反向传播，只要我们可以计算这些模块的雅可比矩阵与任何向量...
  2017-04-16 04:03:32 | Deep Learning
• dl4j doc-03-minist 手写识别 Lenet-5 paper 论文学习 《Gradient-Based Learning Applied to Document Recognition》 II
  前言 书接上回，我们继续学习 lenet5. III 结果及与其他方法的比较 尽管识别单个数字只是设计实用识别系统中的众多问题之一，但它是比较形状识别方法的一个优秀基准。 虽然许多现有方法结合了手工制作的特征提取器和可训练的分类器，但本研究集中于直接操作大小归一化图像的自适应方法。 A 一个数据库：修改后的NIST数据集 本文描述的系统所使用的训练和测试数据库是从NIST（美国国...
  2017-04-16 04:03:32 | Deep Learning