无监督式学习网络 编辑
无监督式学习网络是人工智能网络的一种算法，其目的是去对原始资料进行分类，以便了解资料内部结构。有别于监督式学习网络，无监督式学习网络在学习时并不知道其分类结果是否正确，亦即没有受到监督式增强。其特点是仅对此种网络提供输入范例，而它会自动从这些范例中找出其潜在类别规则。当学习完毕并经测试后，也可以将之应用到新的案例上。
2
图片 0 图片
评论 0 评论
匿名用户 · [[ show_time(comment.timestamp) ]]
[[ nltobr(comment.content) ]]
相关
自编码器，也称自动编码器，是一种人工神经网络，在无监督式学习网络中用于表征学习。自编码的目的是对一组数据学习出一种表示，通常用于维度减化。最近，自编码的概念广泛地用于数据的生成模型。 自2010年以来，一些先进的人工智能在深度学习网络中采用了采用堆叠式稀疏自编码。
自编码器，也称自动编码器，是一种人工神经网络，在无监督式学习网络中用于表征学习。自编码的目的是对一组数据学习出一种表示，通常用于维度减化。最近，自编码的概念广泛地用于数据的生成模型。 自2010年以来，一些先进的人工智能在深度学习网络中采用了采用堆叠式稀疏自编码。
自编码器，也称自动编码器，是一种人工神经网络，在无监督式学习网络中用于表征学习。自编码的目的是对一组数据学习出一种表示，通常用于维度减化。最近，自编码的概念广泛地用于数据的生成模型。 自2010年以来，一些先进的人工智能在深度学习网络中采用了采用堆叠式稀疏自编码。