二项分布的实现 np random binomial

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

                       

二项分布（binomial distribution）：

，用来生成MASK（掩码），然后将生成的掩码作用在原始输入上，获得需要的对 网络结构的dropout或者 对原始输入的corrupted。

比如denoising autoencoder对原始输入的加噪机制这想法真的很酷，通过学习（特指监督学习）的方式，获得对含噪输入较强的鲁棒结果。

def get_corrupted_input(self, input, corruption_level):    return self.theano_rng.binomial(            size=input.shape, n=1,            p=1-corruption_level,            dtype=theano.config.floatX)*input
   
   

    
    
1
    
    
2
    
    
3
    
    
4
    
    
5
   
   

再比如避免overfitting的dropout机制（这时屏蔽的是神经网络的部分节点也就是神经元neuron）：

def dropout_layer(layer, p_dropout):    mask = theano_rng.binomial(n=1, p=1-p_drop_out, size=layer.shape)    return layer*T.cast(mask, theano.config.floatX)
   
   

    
    
1
    
    
2
    
    
3
   
   

           

给我老师的人工智能教程打call！http://blog.csdn.net/jiangjunshow