摘要
Andrew,G.和; Gao,J.(2007)。 可扩展的培训 L(左) 1 -正则化对数线性模型。 机器学习国际会议 (第33-40页)。 谷歌学者 数字图书馆 Banko,M.和; Brill,E.(2001)。 扩展到非常非常大的语料库以消除自然语言的歧义。 计算语言学协会年会 (第26-33页)。 谷歌学者 数字图书馆 Bengio,Y.(2007)。 加速随机梯度下降。 神经信息处理系统高效机器学习研讨会 . 谷歌学者 Bengio,Y.、Lamblin,P.、Popovici,D.和; 拉罗谢尔,H.(2006)。 深度网络的贪婪分层培训。 神经信息处理系统 (第153-160页)。 谷歌学者 Bradley,D.和; Bagnell,J.A.(2008)。 可微分稀疏编码。 神经信息处理系统 (第113-120页)。 谷歌学者 Brants,T.、Popat,A.C.、Xu,P.、Och,F.J.和; Dean,J.(2007)。 机器翻译中的大型语言模型。 自然语言处理经验方法会议(EMNLP-CoNLL) . 谷歌学者 Catanzaro,B.C.,Sundaram,N.和; Keutzer,K.(2008)。 图形处理器上的快速支持向量机训练和分类。 机器学习国际会议 (第104-111页)。 谷歌学者 数字图书馆 Chellapilla,K.、Puri,S.和; Simard,P.(2006)。 用于文档处理的高性能卷积神经网络。 手写识别前沿国际研讨会 . 谷歌学者 Chu,C.T.、Kim,S.K.、Lin,Y.A.、Yu,Y.、Bradski,G.R.、Ng,A.Y.和; Olukotun,K.(2006)。 用于多核机器学习的地图还原。 神经信息处理系统 (第281--288页)。 谷歌学者 Dean,J.和; Ghemawat,S.(2004)。 Mapreduce:简化大型集群上的数据处理。 操作系统设计与实现 (第137-150页)。 谷歌学者 数字图书馆 Desjardins,G.和; Bengio,Y.(2008)。 卷积RBM视觉的实证评估。 技术报告 . 谷歌学者 Efron,B.,Hastie,T.,Johnstone,I.,&; Tibshirani,R.(2004)。 最小角度回归。 Ann.Stat.,32岁 , 407. 谷歌学者 交叉引用 Frank,D.(2002)。 功率受限的CMOS缩放限制。 IBM焦耳。 Res.和Devel。, 46 , 235--244. 谷歌学者 数字图书馆 Friedman,J.、Hastie,T.、Hfling,H.和; Tibshirani,R.(2007)。 路径坐标优化。 附录。 统计,2 , 302--332. 谷歌学者 交叉引用 Gelsinger,P.(2001)。 新千年的微处理器:挑战、机遇和新领域。 ISSCC技术摘要 , 22--25. 谷歌学者 Goto,K.,&; Van De Geijn,R.(2008)。 三级BLAS的高性能实施。 ACM事务处理。 数学。 柔软。, 35 , 1--14. 谷歌学者 数字图书馆 Harris,M.(2008)。 NVIDIA CUDA多核GPU计算。 国际协调超级计算 (第1页)。 谷歌学者 数字图书馆 Hinton,G.E.(2002年)。 通过最小化对比差异来培训专家产品。 神经计算,14 , 1771--1800. 谷歌学者 数字图书馆 Hinton,G.E.、Osindero,S.和; Teh,Y.-W.(2006)。 一种深度信念网的快速学习算法。 神经计算,18 , 1527--1554. 谷歌学者 数字图书馆 Hinton,G.E.和; 萨拉赫季诺夫,R.R.(2006)。 利用神经网络降低数据的维数。 科学,313 , 504--507. 谷歌学者 交叉引用 Kavukcuoglu,K.、Ranzato,M.和; LeCun,Y.(2008)。 稀疏编码算法中的快速推理及其在目标识别中的应用。 纽约大学技术报告 . 谷歌学者 Lee,H.、Battle,A.、Raina,R.和; Ng,A.Y.(2006)。 高效的稀疏编码算法。 神经信息处理系统 (第801-808页)。 谷歌学者 Lee,H.、Chaitanya,E.和; Ng,A.Y.(2007)。 视觉区域V2的稀疏深度信念网模型。 神经信息处理系统 (第873-880页)。 谷歌学者 Lee,H.、Grosse,R.、Ranganath,R.和; Ng,A.Y.(2009)。 用于分层表示的可扩展无监督学习的卷积深信念网络。 国际机器学习会议(即将召开) . 谷歌学者 数字图书馆 Murray,J.F.和; Kreutz-Delgado,K.(2006年)。 学习图像的稀疏超完备代码。 超大规模集成电路信号处理系统,45 , 97--110. 谷歌学者 数字图书馆 Ng,A.Y.(2004)。 特征选择, L(左) 1 与。 L(左) 2 正则化和旋转不变性。 机器学习国际会议 (第78-85页)。 谷歌学者 数字图书馆 Olshausen,B.A.,&; Field,D.J.(1996)。 通过学习自然图像的稀疏代码,出现了简单的细胞感受野特性。 自然,381 , 607--609. 谷歌学者 交叉引用 Raina,R.、Battle,A.、Lee,H.、Packer,B.和; Ng,A.Y.(2007)。 自学学习:从未标记的数据中转移学习。 机器学习国际会议 (第759-766页)。 谷歌学者 数字图书馆 Ranzato,M.A.和; Szummer,M.(2008)。 使用深层网络对紧凑文档表示进行半监督学习。 机器学习国际会议 (第792-799页)。 谷歌学者 数字图书馆 Salakhutdinov,R.和; Hinton,G.(2007年)。 语义哈希。 SIGIR图形模型信息检索与应用研讨会 . 谷歌学者 Tibshirani,R.(1996)。 通过套索回归收缩和选择。 J.R.Stat.Soc.B.,58岁 , 267--288. 谷歌学者 交叉引用 van Hateren,J.H.和; van der Schaaff,A.(1997)。 与初级视觉皮层中的简单细胞相比,自然图像的独立成分过滤器。 英国皇家学会。 B、 265个 , 359--366. 谷歌学者 交叉引用 R.C.Whaley、A.Petitet和; Dongarra,J.J.(2001)。 软件和ATLAS项目的自动经验优化。 并行计算,27 , 3--35. 谷歌学者 数字图书馆
索引术语
使用图形处理器的大规模深度无监督学习