Sparse Filtering 學習筆記（一）網絡結構與特徵矩陣

         Sparse Filtering 是一個用於提取特徵的無監督學習算法，與通常特徵學習算法試圖建模訓練數據的分佈的做法不同，Sparse Filtering 直接對訓練數據的特徵分佈進行分析，在所謂“好特徵”的指導下構建目標函數來進行優化，其中只涉及一個可調參數。本文將主要討論兩個問題：

（1）什麼樣的特徵是好的特徵；

（2）如何利用好特徵的條件來構造 Sparse Filtering 的目標函數。

目錄鏈接

（一）網絡結構與特徵矩陣

（二）好特徵的刻畫

（三）目標函數的建立和求解

參考文獻

1. Ngiam, J., Koh, P. W., Chen, Z., Bhaskar, S. A., Ng, A. Y. (2011). Sparse Filtering. In NIPS (Vol. 11, pp. 1125-1133).

2. 牛頓法與擬牛頓法學習筆記（五）L-BFGS 算法

3. Deep learning made easy

4. Deep Learning論文筆記之（二）Sparse Filtering稀疏濾波

作者: peghoty 

出處: http://blog.csdn.net/itplus/article/details/22071035

歡迎轉載/分享, 但請務必聲明文章出處.