To this end, we will begin in Secti

To this end, we will begin in Section 3 by describing
a simple feature learning framework that incorporates
an unsupervised learning algorithm as a “black box”
module within. For this “black box”, we have implemented several off-the-shelf unsupervised learning
algorithms: sparse auto-encoders, sparse RBMs, Kmeans clustering, and Gaussian mixture models. We
then analyze the performance impact of several different elements in the feature learning framework, including: (i) whitening, which is a common pre-process
in deep learning work, (ii) number of features trained,
(iii) step-size (stride) between extracted features, and
(iv) receptive field size.

Kết quả (Việt) 2:

Để kết thúc này, chúng ta sẽ bắt đầu tại Mục 3 bằng cách mô tả
một khuôn khổ học tập tính năng đơn giản mà kết hợp
một thuật toán học không giám sát như một "hộp đen"
mô đun trong vòng. Đối với điều này "hộp đen", chúng tôi đã thực hiện một số off-the-shelf không có giám sát học tập
thuật toán: thưa thớt tự động mã hóa, RBMs thưa thớt, Kmeans clustering, và các mô hình hỗn hợp Gaussian. Chúng tôi
sau đó phân tích các tác động hiệu quả của các yếu tố khác nhau trong khuôn khổ học tập tính năng, bao gồm: (i) làm trắng, mà là một quá trình trước phổ biến
trong công việc học tập sâu, (ii) số lượng các tính năng được đào tạo,
(iii) bước kích thước ( sải chân) giữa các tính năng chiết xuất, và
(iv) kích thước trường tiếp nhận.