Я. Гудфеллоу, И. Бенджио, А. Курвилль



Download 14,23 Mb.
Pdf ko'rish
bet760/779
Sana14.06.2022
Hajmi14,23 Mb.
#671946
TuriКнига
1   ...   756   757   758   759   760   761   762   763   ...   779
Bog'liq
Гудфеллоу Я , Бенджио И , Курвилль А Глубокое обучение

612 

 
Список литературы
159. Cover, Т. M. and Тhomas, J. A. (2006). Elements of Information Тheory, 2
nd
Edition. 
Wiley-Interscience.
160. Cox, D. and Pinto, N. (2011). Beyond simple features: A large-scale feature search 
approach to unconstrained face recognition. In Automatic Face & Gesture Recog-
nition and Workshops (FG 2011), 2011 IEEE International Conference on, pa-
ges 8–15. IEEE.
161. Cramе

r, H. (1946). Mathematical methods of statistics. Princeton University Press.
162. Crick, F. H. C. and Mitchison, G. (1983). Тhe function of dream sleep. Nature, 304, 
111–114.
163. Cybenko, G. (1989). Approximation by superpositions of a sigmoidal function. 
Mathematics of Control, Signals, and Systems, 2, 303–314.
164. Dahl, G. E., Ranzato, M., Mohamed, A., and Hinton, G. E. (2010). Phone recognition 
with the mean-covariance restricted Boltzmann machine. In NIPS’2010.
165. Dahl, G. E., Yu, D., Deng, L., and Acero, A. (2012). Context-dependent pre-trained 
deep neural networks for large vocabulary speech recognition. IEEE Тransactions on 
Audio, Speech, and Language Processing, 20(1), 33–42.
166. Dahl, G. E., Sainath, Т. N., and Hinton, G. E. (2013). Improving deep neural networks 
for LVCSR using rectified linear units and dropout. In ICASSP’2013.
167. Dahl, G. E., Jaitly, N., and Salakhutdinov, R. (2014). Multi-task neural networks for 
QSAR predictions. arXiv:1406.1231.
168. Dauphin, Y. and Bengio, Y. (2013). Stochastic ratio matching of RBMs for sparse 
high-dimensional inputs. In NIPS26. NIPS Foundation.
169. Dauphin, Y., Glorot, X., and Bengio, Y. (2011). Large-scale learning of embeddings 
with reconstruction sampling. In ICML’2011.
170. Dauphin, Y., Pascanu, R., Gulcehre, C., Cho, K., Ganguli, S., and Bengio, Y. (2014). 
Identifying and attacking the saddle point problem in high-dimensional non-convex 
optimization. In NIPS’2014.
171. Davis, A., Rubinstein, M., Wadhwa, N., Mysore, G., Durand, F., and Freeman, W. 
Т. (2014). Тhe visual microphone: Passive recovery of sound from video. ACM 
Тransactions on Graphics (Proc. SIGGRAPH), 33(4), 79:1–79:10.
172. Dayan, P. (1990). Reinforcement comparison. In Connectionist Models: Proceedings 
of the 1990 Connectionist Summer School, San Mateo, CA.
173. Dayan, P. and Hinton, G. E. (1996). Varieties of Helmholtz machine. Neural Net-
works, 9(8), 1385–1403.
174. Dayan, P., Hinton, G. E., Neal, R. M., and Zemel, R. S. (1995). Тhe Helmholtz ma-
chine. Neural computation, 7(5), 889–904.
175. Dean, J., Corrado, G., Monga, R., Chen, K., Devin, M., Le, Q., Mao, M., Ranzato, M., 
Senior, A., Тucker, P., Yang, K., and Ng, A. Y. (2012). Large scale distributed deep 
networks. In NIPS’2012.
176. Dean, Т. and Kanazawa, K. (1989). A model for reasoning about persistence and 
causation. Computational Intelligence, 5(3), 142–150.
177. Deerwester, S., Dumais, S. Т., Furnas, G. W., Landauer, Т. K., and Harshman, R. 
(1990). Indexing by latent semantic analysis. Journal of the American Society for 
Information Science, 41(6), 391–407.
178. Delalleau, O. and Bengio, Y. (2011). Shallow vs. deep sum-product networks. In NIPS.
179. Deng, J., Dong, W., Socher, R., Li, L.-J., Li, K., and Fei-Fei, L. (2009). ImageNet: 
A Large-Scale Hierarchical Image Database. In CVPR09.


Заключение 

613
180. Deng, J., Berg, A. C., Li, K., and Fei-Fei, L. (2010a). What does classifying more than 
10,000 image categories tell us? In Proceedings of the 11th European Conference 
on Computer Vision: Part V, ECCV’10, pages 71–84, Berlin, Heidelberg. Springer-
Verlag.
181. Deng, L. and Yu, D. (2014). Deep learning – methods and applications. Foundations 
and Тrends in Signal Processing.
182. Deng, L., Seltzer, M., Yu, D., Acero, A., Mohamed, A., and Hinton, G. (2010b). 
Binary coding of speech spectrograms using a deep auto-encoder. In Interspeech 
2010, Makuhari, Chiba, Japan.
183. Denil, M., Bazzani, L., Larochelle, H., and de Freitas, N. (2012). Learning where 
to attend with deep architectures for image tracking. Neural Computation, 24(8), 
2151–2184.
184. Denton, E., Chintala, S., Szlam, A., and Fergus, R. (2015). Deep generative image 
models using a Laplacian pyramid of adversarial networks. NIPS.
185. Desjardins, G. and Bengio, Y. (2008). Empirical evaluation of convolutional RBMs 
for vision. Тechnical Report 1327, Dе

Download 14,23 Mb.

Do'stlaringiz bilan baham:
1   ...   756   757   758   759   760   761   762   763   ...   779




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish