xiaoseyihe的博客

本文搭建一个完整的中文语音识别系统，包括声学模型和语言模型，能够将输入的音频信号识别为汉字。该系统实现了基于深度框架的语音识别中的声...

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声...

深度学习在自然语言处理的应用2017-07-07 Jonathan Mugan 关于算法的那些事在深度学习出现之前，我们书写的文字所包含的意思是通过人为设计的符号和结构传达给计算机的。我在上一篇博文里详细阐述了这个实现过程。这里先回顾一下几种符号方法：WordNet、ConceptNet和FrameNet，通过对比来更好地理解深度学习的能力。然后我会讨论深度学习如何用向量来

发现了好的资源，分享给大家！ 零基础入门深度学习(1) - 感知器 零基础入门深度学习(2) - 线性单元和梯度下降 零基础入门深度学习(3) - 神经网络和反向传播算法 零基础入门深度学习(4) - 卷积神经网络 零基础入门深度学习(5) - 循环神经网络 零基础入门深度学习(6) - 长短时记忆网络(LSTM) 零基础入门深度学习(7) - 递归神经网络...

转自https://www.cnblogs.com/louyihang-loves-baiyan/p/5136447.html 对比梯度下降和随机梯度下降和批量梯度下降之前看的知识比较零散，没有一个系统的解释说明，看了一些网上的博主的分析，总结了一下自己的理解。 梯度下降：梯度下降就是我上面的推导，要留意，在梯度下降中，对于θθ的更新，所有的样本都有贡献，也就是参与调整θθ....

转自 http://www.cnblogs.com/maybe2030/p/5089753.html#_label0阅读目录1. 批量梯度下降法BGD 2. 随机梯度下降法SGD 3. 小批量梯度下降法MBGD 4. 总结