|
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
中文
En
|
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
/
Hinton机器学习与神经网络
/
An overview of the main types of network architecture
本课程为精品课,您可以登录eeworld继续观看:
An overview of the main types of network architecture
登录
播放列表
课程目录
课程笔记
课时1:Why do we need machine learning
课时2:What are neural networks
课时3:Some simple models of neurons
课时4: A simple example of learning
课时5:Three types of learning
课时6:An overview of the main types of network architecture
课时7:Perceptrons
课时8:A geometrical view of perceptrons
课时9:Why the learning works
课时10:What perceptrons can not do
课时11:Learning the weights of a linear neuron
课时12:The error surface for a linear neuron
课时13:Learning the weights of a logistic output neuron
课时14:The backpropagation algorithm
课时15:How to use the derivatives computed by the backpropagation algorithm
课时16:Learning to predict the next word
课时17:A brief diversion into cognitive science
课时18:Another diversion_The softmax output function
课时19:Neuro-probabilistic language models
课时20:ways to deal with large number of possible outputs
课时21:Why object recognition is difficult
课时22:Ways to achieve viewpoint invariance
课时23:Convolutional neural networks for hand-written digit recognition
课时24:Convolutional neural networks for object recognition
课时25:Overview of mini-batch gradient descent
课时26:A bag of tricks for mini-batch descent
课时27:The momentum method
课时28:A separate, adaptive learning rate for each connection
课时29:rmsprop_divide the gradient
课时30:Modeling sequences_brief overview
课时31:Training RNNs with backpropagation
课时32:A toy example of training an RNN
课时33:Why it is difficul to train an RNN
课时34:Long term short term memory
课时35:Modeling character strings with multiplicative connections
课时36:Learning to predict the next character using HF
课时37:Echo state networks
课时38:Overview of ways to improve generalization
课时39:Limiting size of the weights
课时40:Using noise as a regularizer
课时41:Introduction to the bayesian approach
课时42:The bayesian interpretation of weight decay
课时43:MacKays quick and dirty method of fixing weight costs
课时44:Why it helps to combine models
课时45:Mixtures of experts
课时46:The idea of full bayesian learning
课时47:Making full bayesian learning practical
课时48:Dropout an efficient way to combine neural nets
课时49:Hopfield Nets
课时50:Dealing with spurious minima in hopfield nets
课时51:Hopfields Nets with hidden units
课时52:Using stochastic units to improve search
课时53:How a boltzmann machine models data
课时54:The boltzmann machine learning algorithm
课时55:More efficient ways to get the statistics
课时56:Restricted boltzmann machines
课时57:An example of contrastive divergence learning
课时58:RBMs for collaborative filtering
课时59:The ups and downs of backpropagation
课时60:Belief nets
课时61:The wake-sleep algorithm
课时62:Learning layers of features by stacking RBMs
课时63:Discriminative fine-tuning for DBNs
课时64:What happens during discriminative fine-tuning
课时65:Modeling real-valued data with an RBM
课时66:RBMs are infinite sigmoid belief nets
课时67:From principal components analysis to autoencoders
课时68:Deep Autoencoders
课时69:Deep autoencoders for document retrieval and visualization
课时70:Semantic hashing
课时71:Learning binary codes for image retrieval
课时72:Shallow autoencoders for pre-training
课时73:Learning a joint model of images and captions
课时74:Hierarchical coordinate frames
课时75:Bayesian optimization of neural network hyperparameters
时长:7分8秒
日期:2019/04/09
收藏视频
上传者:木犯001号
去评论
课程介绍
相关标签:
神经网络
机器学习
反向传播
机器学习祖师爷之一Geoffrey Hinton大神于2012年主讲录制。课程内容以深刻睿智,鞭辟入里见长。课程深入介绍了Machine Learning中的神经网络的方法,人工神经网络在语音识别和物体识别、图像分割、建模语言和人类运动等过程中的应用,及其在机器学习中发挥的作用。
显示全部 ↓
推荐视频
用户评论
木犯001号
课程ppt下载地址 https://download.eeworld.com.cn/detail/%E6%9C%A8%E7%8A%AF001%E5%8F%B7/598715
2019年04月04日 13:59:16
回复
|
顶
()
猜您喜欢
推荐帖子
GDDR5入门
GDDR5虽然能够在很多的显卡上看到,但是由于GDDR5提供的超高带宽一直被定义为“高端”器件。附件中有GDDR5的关键技术介绍,大家可以看到实际上一些新机制的引入使的GDDR5比DDR3还要简单一些。
wstt
综合技术交流
下载有礼|ADI 《新概念模拟电路》全五册
《新概念模拟电路》丛书包含了《晶体管》、《负反馈和运算放大器》、《运放电路的频率特性和滤波器》、《信号处理电路》以及《源电路信号和电源》,绝大部分内容都是西北模电王杨建国老师教授亲自实验或仿真总结之后才写出来的,非常有价值。目前已经有超过7万人次下载阅读了本系列丛书,为方便读者阅读,现提供五册合集版本,一键下载即可获取!参与下载还能赢好礼~【活动时间】 即日起2019年8月31日【活动流程】1、点
EEWORLD社区
ADI参考电路
MSP432P401R使用BSL烧写程序的问题
MSP432使用BSL烧写程序的方式是否与MSP430相同?目前有哪些编程器支持MSP432的BSL烧写,使用什么上位机软件?与编程器的硬件连接应该是怎样的?
Hongzhu
微控制器 MCU
数控资料
[i=s] 本帖最后由 paulhyde 于 2014-9-15 09:37 编辑 [/i]希望能对大家有所帮助
和而不同
电子竞赛
DLMS高速自适应滤波器的FPGA实现.pdf
DLMS高速自适应滤波器的FPGA实现.pdf
zxopenljx
EE_FPGA学习乐园
管脚符号,送分问题~~~~~~
如片选管脚符号 CS# ,为什么要加上"#"??还有某些管脚上面有一条横线,代表什么意义,是否是低电平有效还是高电平有效?哪里能找到这方面的资料?千万不要叫我去翻数模电书,那个太恐怖了。毕业几年了数模电,全忘光了,表BS我哦:)谢谢!
pipihaoyun
嵌入式系统
推荐内容
热门视频
更多
直播回放:Microchip 适用于 CryptoAuthentication™ 系列的可信任平台
计算机科学速成课
11秒拆解一部iPhone,Liam机器人成苹果发布会最大惊喜
物联网:TM4C129x Connected Launchpad-构建一个嵌入式网络服务器(2)
使用Atmel Studio 6进行AVR应用调试
智能楼宇无线解决方案
村田顽童的堂妹“村田少女”问世 1
2016 TI 工业研讨会:提高产品的鲁棒性 ——TI隔离技术详探
鲁棒控制理论
如何使用独立计量 ADC 设计单相分流电表
开源项目推荐
更多
使用 Analog Devices 的 LTC1261CS 的参考设计
超迷你Arduino
油液污染度颗粒检测板(二)-传感器信号板
ADR3450 5V 输出微功率、高精度电压基准的典型应用
AI红外语音助手
使用 ROHM Semiconductor 的 BA15BC0WT-V5 的参考设计
L7809A 大电流稳压器的典型应用
具有 6V 输入 UVLO 的 LTC3633IUFD 3.3V/1.8V 顺序稳压器的典型应用电路
Cree XLamp 高 CRI (XM-L2 20-W) MR16 参考设计
【物联网】鸿蒙物联网智能WIFI开关+4219105A
热门文章
更多
如何提高示波器测量小信号精度
新思科技PrimeSim可靠性分析解决方案加速IC设计超收敛
展示5G芯实力 MediaTek在2021中国国际信息通信展亮相
如何进行电源老化测试?吉时利数采DAQ6510“神助攻”
Excelitas 推出用于智能家居和入侵警报器的微型热释电探测器
苹果2022春季发布会解密!iPhone/iPad新品配置/价格良心
示波器的捕获模式
PSM3000/PSM4000/PSM5000系列功率计的性能特点及应用范围
叠片短刀成锂电行业趋势,验证蜂巢能源技术前瞻性
电路图
带有过电压保护功能的3×8LED驱动电路图
硬盘电路的信号流程
电子仿声驱鼠器电路设计
冲床光电控制安全装置电路之四
重复式定时电路
射极输出器电路分析(b)
延时控制电路
分立元件构成的超声波发射电路
固态继电器自动调压器电路
可获得1V/十进位输出的对数转换电路
电火花测试仪电路
给定电压与转速负反馈环节电路
电动葫芦主电路
由运放构成的低通滤波器电路
通用变频器的通风
利隆牌RTP-18茶具消毒柜电路图
CAT扫描电路
7型过电流保护电路图b
稳压器1-4工作电路图b
μA723构成的扩流型稳压电路图
从13.8V至90V的电源转换器电路图
22种常用的二极管单相整流电路图3
负10V精密电压基准电路图
自动恒流充电器
555转速(频率)/电压转换器电路
100合1彩电多功能遥控器电路,兼容众合RM-33C,NT66P13
100kHz晶体二极管弛张振荡器
F007型集成电路内部电路图
红外发光二极管的直流脉冲电流驱动
MAX713在线性模式下的应用电路
可能感兴趣器件
JANTXV1N2816B
BCSS-233-D-08-G-LF
72330-G601GLF
C-15-DFB2.5-RB-SMU2I-O-GR
4614X-101-821LF
C0603C241J1GACTU
1MS-3P2-R8-VS3KE
CM33ER-FREQ2
CDR02BX223AKUSAP
D38999/26MG39HAL
MXSMBG4732AGTR
D38999/26F19-32SN
8161SHCQI223
AZ23C47_R2_00001
ABM3A-FREQ-18-R50-N-2-5-T
WL830E2-Z01-7F
NKS3NAD1-15.3600-17(T)
MP2-H180-55S1-S-TG
TW-06-09-G-D-213-126
54121-410-34-1700
SC35M100A5F5611
SK350M0047A3FJ1836
A2547WR-F-21P-G15
G17H212117
ATB102-9201-DT452Q
BLU2010-16R5-BT50W
PRC0805TTC50X51K+-0.25%
E1UBA20-7.913472MTR
HL72137-2200-5F
RC1206AG499KFKSW
电子工程世界版权所有
京B2-20211791
京ICP备10001474号-1
电信业务审批[2006]字第258号函
京公网安备 11010802033920号
Copyright © 2005-2023 EEWORLD.com.cn, Inc. All rights reserved
用户评论