forloverj / Chinese-UFLDL-Tutorial

中文版的UFLDL教程，该版本翻译自新版UFLDL Tutorial。

Chinese-UFLDL-Tutorial

中文版的新版UFLDL教程（项目地址：www.github.com/ysh329/Chinese-UFLDL-Tutorial ），该版本翻译自UFLDL Tutorial，是新版教程的翻译。也可参考老版本的UFLDL中文教程。

自己对新版UFLDL教程翻译过程中，发现的英文错误，见 新版教程英文原文勘误表。

注：UFLDL是非监督特征学习及深度学习（Unsupervised Feature Learning and Deep Learning）的缩写，而不仅指深度学习（Deep Learning）。

翻译者：Shuai Yuan

若有翻译错误，请发邮件至[e-mail]，感谢！

更多详细参考资料，见计算机科学，人工智能，机器学习，深度学习。

欢迎来到UFLDL教程！

说明：本教程将会教给您非监督特征学习以及深度学习的主要**。通过它，您将会实现几个特征学习或深度学习的算法，看到这些算法为您（的工作）带来的作用，以及学习如何将这些**应用到适用的新问题上。

本教程假定您已经有了基本的机器学习知识（具体而言，熟悉监督学习，逻辑斯特回归以及梯度下降法的**）。如果您不熟悉这些，我们建议您先去机器学习课程中去学习，并完成其中的第II，III，IV章节（即到逻辑斯特回归）。

材料由以下人员提供：Andrew Ng, Jiquan Ngiam, Chuan Yu Foo, Yifan Mai, Caroline Suen, Adam Coates, Andrew Maas, Awni Hannun, Brody Huval, Tao Wang, Sameep Tandon

获取初学者代码（Starter Code）

初学者代码

您可以获得初学者所有练习的代码从该Github的代码仓库。

有关的数据文件可以从这里下载。 下载到的数据需要解压到名为“common”的文件夹中（以便初学者代码的使用）。

目录

• 监督学习与优化（Supervised Learning and Optimization）

  • 线性回归（Linear Regression）

  • 逻辑斯特回归（Logistic Regression）

  • 向量化（Vectorization）

  • 调试：梯度检查（Debugging: Gradient Checking）

  • Softmax回归（Softmax Regression）

  • 调试：偏差和方差（Debugging: Bias and Variance）

  • 调试：优化器和目标（Debugging: Optimizers and Objectives）

• 监督神经网络（Supervised Neural Networks）

  • 多层神经网络（Multi-Layer Neural Networks）

  • 练习：监督神经网络（Exercise: Supervised Neural Network）

• 监督卷积网络（Supervised Convolutional Neural Network）

  • 使用卷积进行特征提取（Feature Extraction Using Convolution）

  • 池化（Pooling）

  • 练习：卷积和池化（Exercise: Convolution and Pooling）

  • 优化方法：随机梯度下降（Optimization: Stochastic Gradient Descent）

  • 卷积神经网络（Convolutional Neural Network）

  • 练习：卷积神经网络（Excercise: Convolutional Neural Network）

• 无监督学习（Unsupervised Learning）

  • 自动编码器（Autoencoders）

  • PCA Whitening（PCA Whitening）

  • 练习：PCA Whitening（Exercise: PCA Whitening）

  • 稀疏编码（Sparse Coding）

  • ICA（ICA）

  • RICA（RICA）

  • 练习：RICA（Exercise: RICA）

• 自学学习（Self-Taught Learning）

  • 自学学习（Self-Taught Learning）

  • 练习：自学学习（Exercise: Self-Taught Learning）