文章目录
- 丰富网络类型
- CPPN
- 孪生网络
- Triplet Network
- 应用
- Variational Auto-encoder
- 强化学习
- Markov decision processes
- Bellman公式
丰富网络类型
深度学习除了经典卷积神经网络，循环神经网络还有广泛的网络类型
CPPN
- 网络输入是像素坐标值（x，y）
- 网络输出的像素是RGB值
- 把【0，0】-[100,100]逐个输入得到完整图像
孪生网络
一种网络结构，通过将NN将样本维度降低到某个维度
低维空间，任意两个样本：
如果他们是相同，空间距离接近0；
如果他们是不同类别，空间距离大于某个距离
Triplet Network
应用
•
Image ranking
•
Face verification
•
Metric learning
Variational Auto-encoder
将Variational Bayes引入到神经网络中
网络和经典的Auto Encoder类似
编码网络：将输入编码到一个隐变量（参数）分布
解码网络：对分布的参数进行采样，拟合输入数据
首先引入隐变量z，利用编码网络拟合参数化的后验概率
强化学习
Markov decision processes
Bellman公式
