-
本文使用了一种交替更新网络参数和聚类中心的方法。在网络更新完成之后,对于固定的网络参数和 M,再更新当前样本的分配向量。然后根据新的分配结果如式子3.8更新聚类中心:
文章来源:https://www.toymoban.com/news/detail-590429.html -
注:文中还有问题是否能进行凸优化的部分文章来源地址https://www.toymoban.com/news/detail-590429.html
CG
- https://arxiv.org/pdf/1610.04794v1.pdf
- https://github.com/sarsbug/DCN_keras
到了这里,关于图片速览 DCN K-means-friendly Spaces: Simultaneous Deep Learning and Clustering的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!