标注数据以训练深度神经网络的任务可怕又无聊，需要数以百万计的标签来达到最先进的结果。通过应用无监督学习算法，可以减少深度神经网络模型对于标签数据的依赖。这篇论文提出了k-means算法的增强版本来达到训练一个深度神经网络的目的。算法通过使用相似的filter来减少参数量，我们称之为卷积k-means聚类。实验表明，这个算法的准确性要优于其他无监督学习算法，尤其是在STL-10上获得了74.1%的准确率，在MNIST数据集上的测试误差仅为0.5%。标注数据以训练深度神经网络的任务可
阅读背景：
[置顶] 【Paper Note】Convolutional Clustering for Unsupervised Learning 论文翻译
来源：互联网
标注数据以训练深度神经网络的任务可怕又无聊，需要数以百万计的标签来达到最先进的结果。通过应用无监督学习算法，可以减少深度神经网络模型对于标签数据的依赖。这篇论文提出了k-means算法的增强版本来达到训练一个深度神经网络的目的。算法通过使用相似的filter来减少参数量，我们称之为卷积k-means聚类。实验表明，这个算法的准确性要优于其他无监督学习算法，尤其是在STL-10上获得了74.1%的准确率，在MNIST数据集上的测试误差仅为0.5%。标注数据以训练深度神经网络的任务可
分享到：
