学习笔记--如何选择合适的网络

开始学习深度学习项目时,应当如何选择合适的网络是一个比较复杂的问题。首先,得决定是要构建一个分类器还是要找到数据中的模式。这里会给出一个导向便于开始深度学习。

  1. 非监督学习
    如果想从无标签数据中发掘模式,可以选择限制玻尔茨曼机(Restricted Boltzmann Machine)或者自编码器(Autoencoders)。

  2. 监督学习
    如果有一些标签数据需要进行监督学习,从而得到一个较好的分类器时,根据不同的应用,可以有多个选择。如下表所示:

Application Network
Text Processing RNTN, Recurrent Net
Object Recognition RNTN, Recurrent Net
Speech Recognition Recurrent Net

其中,文本处理任务包括如情感分析、语句分析、命名体识别等,对于所有需要处理字符级别的语言模型的任务,都选择使用递归网络。通常,深度信念网络和拥有修正线性单元(RELU)的多层感知机都擅长处理分类任务,对于时间序列分析,最好使用递归网络。

本文作者:Qiu Qingyu
版权声明:本博客所有文章除特别声明外,均采用CC BY-NC-SA 3.0 CN许可协议。转载请注明出处!
本文永久链接:http://qiuqingyu.cn/2017/04/18/学习笔记-如何选择合适的网络/