Deep-Learning
Introduction
基础
概论
数学基础
机器学习
人工神经网络
深度前馈网络
神经网络
BP
基础
神经网络的学习方法
卷积神经网络
卷积理解
神经网络与深度学习
反向传播算法
神经网络算法的改进
神经网络意义
神经网络深度学习碎碎念
神经网络基础
反向传播
随机梯度算法
softmax
caffe
caffe安装
caffe的依赖库
minsit示例
caffe代码
caffe的I/O模块
caffe的模型
caffe模块
caffe工具
caffe加速计算
RNN
RNN基础
RNN 的效果
word2vec
word2vec基础
CBOW
skip-gram
Tensorflow
计算模型
softmax
多层感知器
卷积网络
Word2vec
Powered by
GitBook
CBOW
cbow
1. CBOW的网络图
* 样本
样本(Context(w),w);Context(w)由w的前后各c个词构成
* 输入层
* 投影层
* 输出层
* 和NNLM的区别
* 梯度计算
* Hierarchical——softmax
* 随机梯度下降算法
2. CBOW的Negative sampling模型
提高训练速度和改善词向量的质量
使用随机负采样
results matching "
"
No results matching "
"