稀疏自编码重述
From Ufldl
(→Sparse Autoencoder Recap) |
|||
| Line 1: | Line 1: | ||
| - | + | 翻译者：严晓东，yan.endless@gmail.com，新浪微博：@月蝕-eclipse | |
| + | 校对者：林锋，email: xlfg@yeah.net, 新浪微博：@大黄蜂的思索 | ||
| + | Wiki上传者：严晓东，email：yan.endless，新浪微博：@GuitarFang | ||
| + | |||
== Sparse Autoencoder Recap == | == Sparse Autoencoder Recap == | ||
| - | 【初译】： | + | :【初译】： |
稀疏自编码重述 | 稀疏自编码重述 | ||
| - | 【一校】： | + | :【一校】： |
稀疏自编码重述 | 稀疏自编码重述 | ||
| - | 【原文】： | + | :【原文】： |
In the sparse autoencoder, we had 3 layers of neurons: an input layer, a hidden layer and an output layer. In our previous description | In the sparse autoencoder, we had 3 layers of neurons: an input layer, a hidden layer and an output layer. In our previous description | ||
| Line 17: | Line 20: | ||
This will result in a model that is sometimes simpler to apply, and can also be more robust to variations in the parameters. | This will result in a model that is sometimes simpler to apply, and can also be more robust to variations in the parameters. | ||
| - | 【初译】： | + | :【初译】： |
在稀疏自编码中，有三层：输入层，隐含层和输出层。在之前对自编码的定义（在神经网络中），位于神经网络中的每个神经元采用相同激励机制。在这些记录中，我们描述了一个修改版的自编码，其中一些神经元采用另外的激励机制。这产生一个更简易于应用，针对参数变化稳健性更佳的模型。 | 在稀疏自编码中，有三层：输入层，隐含层和输出层。在之前对自编码的定义（在神经网络中），位于神经网络中的每个神经元采用相同激励机制。在这些记录中，我们描述了一个修改版的自编码，其中一些神经元采用另外的激励机制。这产生一个更简易于应用，针对参数变化稳健性更佳的模型。 | ||
