|
首页
|
电子技术
|
电子应用
|
电子头条
|
社区
|
论坛
测评
博客
电子技术视频
|
下载
|
电路图
|
参考设计
|
Datasheet
|
活动
|
直播
|
datasheet
datasheet
文章
搜索
|
首页
|
电子技术
|
电子产品应用
|
电子头条
|
论坛
|
大学堂
|
下载
|
参考设计
|
Datasheet
|
活动
|
技术直播
|
datasheet
datasheet
文章
搜索
大学堂
上传课程
首页
课程
TI培训
直播频道
专题
相关活动
其他资源
下载中心
电路图
参考设计
您的位置:
EEWORLD大学堂
/
机器学习/算法
/
机器学习技法
/
Stochastic Gradient Descent
本课程为精品课,您可以登录eeworld继续观看:
Stochastic Gradient Descent
登录
播放列表
课程目录
课程笔记
课时1:Course Introduction
课时2:Large-Margin Separating Hyperplane
课时3:Standard Large-Margin Problem
课时4:Support Vector Machine
课时5:Reasons behind Large-Margin Hyperplane
课时6:Motivation of Dual SVM
课时7:Lagrange Dual SVM
课时8:Solving Dual SVM
课时9:Messages behind Dual SVM
课时10:Kernel Trick
课时11:Polynomial Kernel
课时12:Gaussian Kernel
课时13:Comparison of Kernels
课时14:Motivation and Primal Problem
课时15:Dual Problem
课时16:Messages behind Soft-Margin SVM
课时17:Model Selection
课时18:Soft-Margin SVM as Regularized Model
课时19:SVM versus Logistic Regression
课时20:SVM for Soft Binary Classification
课时21:Kernel Logistic Regression
课时22:Kernel Ridge Regression
课时23:Support Vector Regression Primal
课时24:Support Vector Regression Dual
课时25:Summary of Kernel Models
课时26:Motivation of Aggregation
课时27:Uniform Blending
课时28:Linear and Any Blending
课时29:Bagging (Bootstrap Aggregation)
课时30:Motivation of Boosting
课时31:Diversity by Re-weighting
课时32:Adaptive Boosting Algorithm
课时33:Adaptive Boosting in Action
课时34:Decision Tree Hypothesis
课时35:Decision Tree Algorithm
课时36:Decision Tree Heuristics in CRT
课时37:Decision Tree in Action
课时38:Random Forest Algorithm
课时39:Out-Of-Bag Estimate
课时40:Feature Selection
课时41:Random Forest in Action
课时42:Adaptive Boosted Decision Tree
课时43:Optimization View of AdaBoost
课时44:Gradient Boosting
课时45:Summary of Aggregation Models
课时46:Motivation
课时47:Neural Network Hypothesis
课时48:Neural Network Learning
课时49:Optimization and Regularization
课时50:Deep Neural Network
课时51:Autoencoder
课时52:Denoising Autoencoder
课时53:Principal Component Analysis
课时54:RBF Network Hypothesis
课时55:RBF Network Learning
课时56:k-Means Algorithm
课时57:k-Means and RBF Network in Action
课时58:Linear Network Hypothesis
课时59:Basic Matrix Factorization
课时60:Stochastic Gradient Descent
课时61:Summary of Extraction Models
课时62:Feature Exploitation Techniques
课时63:Error Optimization Techniques
课时64:Overfitting Elimination Techniques
课时65:Machine Learning in Action
时长:12分22秒
日期:2018/04/06
收藏视频
上传者:老白菜
去评论
课程介绍
相关标签:
机器学习
林轩田
线性支持向量机、对偶支持向量机、核型支持向量机、软式支持向量机、核逻辑回归、支持向量回归
显示全部 ↓
推荐视频
用户评论
暂时无评论
猜您喜欢
推荐帖子
再谈车载电子防反接电路
关于reverse battery protection cirucit ,之前和大家一起总结过。可参阅:车载电子典型防反接电路分析如前文中提到的:使用schottky diode的优势是其reverse current blocking 作用,应对各种pulse测试特别好用。但是大功耗的系统中由于二极管自身功耗的问题就没办法使用了。有没有两全其美的方案呢?当然有,市面上出现了专门针对车载应用场景
lbyzsf
汽车电子
串口实验波特率
sopc builder中设置波特率是9600,串口工具设置9600,发送36时,接收是FB,串口调试工具设置19200,则收到的是36,这是什么问题啊QQ截图20120323203513.png (28.18 K)2012-3-23 20:36:10#include "system.h"#include "unistd.h"#include "altera_avalon_uart_regs.h"
tianma123
FPGA/CPLD
Pspice仿真考比茨震荡电路,想得到电路震荡的波形以及过程的图像,但是仿真出现了问题
用Pspice仿真考比茨震荡电路出现了许多问题,忘各位大神解答!!!!!1.电路中的脉冲源没有脉冲产生,在脉冲源上加了一个电压探针,然后仿真,显示的波形只是一条直线,为什么会这样?所附的图中有关于脉冲源的详细参数,是不是参数设置错了?2.为了得到电路震荡过程的图形,在电路的震荡环节一侧加电压探针,为什么仿真之后得到的图像只有一次震荡?是频域范围选的不够还是怎么回事?忘各位大神解答!!!
silentlord
Microchip MCU
电设之F5529(3)SPI
[i=s] 本帖最后由 sunduoze 于 2015-8-28 17:01 编辑 [/i][size=4][url=https://bbs.eeworld.com.cn/thread-472211-1-1.html]电设之F5529(1)UCS[/url][/size][size=4][color=#ff0000][url=https://bbs.eeworld.com.cn/thread-4722
sunduoze
微控制器 MCU
关于BUCK 、BOOST 、BUCK-BOOST电路的经典资料
用户评论