【深度学习的理论基础概述4900字】_第1页
【深度学习的理论基础概述4900字】_第2页
【深度学习的理论基础概述4900字】_第3页
【深度学习的理论基础概述4900字】_第4页
【深度学习的理论基础概述4900字】_第5页
已阅读5页,还剩10页未读 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

—)1.5.2t-SNEt-SNE也是一种将数据可视化的降维方法,他与主成分分析(PCA)算法不同的是t-SNE中相似样本是由附近的点建模,而对于非相似的样本是由远处的点进行建模。相比,t-SNE算法是对SNE算法的改进,其在SNE算法中加入了t分布(t-distribution)并使用KL散度来衡量高维空间和低维空间之间的距离。使得t-SNE相对于SNE有以下一些优点:1、对于不相似的点,即类型不同的点。通过使用一个较小的距离就可以产生一个较大的梯度从而能够较为容易的将不相似点分开。2、这种分开方的式会因为梯度中分母的原因而使得梯度不会变得无穷大,因此能够较为高效的解决了不相似的点之间距离太远的问题。t-SNE的算法如下:Data:X={x1,x2,…,xn。}设置迭代次数iter,困惑度perplexity,学习速率和动量的数值目标结果是低维数据表示

开始优化计算在给定perplexity下的条件概率令用随机初始化Y从t=1到iter,循环进行下面运算:计算低维度下的计算梯度更新

结束结束

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论