|
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
/
Hinton机器学习与神经网络
/
A geometrical view of perceptrons
本课程为精品课,您可以登录eeworld继续观看:
A geometrical view of perceptrons
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:6分24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
基于BlueNRG-LP芯片用官方ADC例程采样不出AD值的问题
大家好,又是我来了,第一次做电子项目,困难重重,麻烦大家的解答以下是我的原理图和电路图:以下是官网给出的ADC例程代码:对PB3通道进行采样,我的实物中角度传感器也是接的PB3,代码如下以下是我的实物:在我把代码烧录进去后查看AD取样值,如下所示循环变化,不管是我弯曲了角度传感器也好,还是平放着也好,没接传感器空载状态下也好,AD值一直如下几张图变化,所以我的判断是,根本没有对AD进行采样,接着我
勇敢牛牛985
意法半导体-低功耗射频
D类放大器扩展市场疆土,300W驱动中高端家庭A/V设备
D类放大器扩展市场疆土,300W驱动中高端家庭A/V设备2006-11-09出自:国际电子商情 由于效率、功耗、体积和成本方面的优势,D类放大器已经在数字消费电子产品中广泛使用。随着D类放大器的功率和失真度等性能进一步提升,它的应用领域进一步扩展。德州仪器(TI)日前推出了首批每通道逾300W驱动能力的D类放大器功率级器件,在125W功率(8欧姆)下的总谐波失真与噪声(THD+N)不足0.09%
fighting
模拟电子
求助啊
G2553怎么在LCD5110液晶显示正弦波 三角波从外部采集进来的在5110显示 给点提示啊
tangjianyuan
微控制器 MCU
timer_a 的奇怪问题...哪位看看.
449 mcu ,timer_a 工作在比较模式下. MCLK 设置为1M,,, SMCLK 也是1.04MHz.ACLK 为.32.768khz.当我将 CCR0=1 之后. TAR 从0 到1..然后中断.在中断里面 翻转P1.2 端口的输出...发现 高电平 宽度为 14.3 uS?? 奇怪.这不对啊.. 不是应该是1/smclk宽么? 怎么会宽了这么多?大概的程序如下:void main(
100111
微控制器 MCU
【平头哥RVB2601创意应用开发】环境监测终端06-将数据同步到阿里云
本篇文章介绍将采集到的温度、湿度、噪声水平数据和指示灯设置上传到阿里云平台,还可以通过云端控制指示灯开关。1、阿里云设置在我的第二篇文章中介绍了在阿里云飞燕平台创建产品的过程。这次介绍在阿里云IoT Studio平台创建产品,添加设备的过程,具体的这两个平台有什么区别,可以参见我之前文章的介绍,链接如下。https://occ.t-head.cn/community/post/detail?id=
sipower
玄铁RISC-V活动专区
wince移植问题
[size=13px]我是一名初学者,想学习BSP的移植,刚刚买了一块TQ2440的学习板,我现在想把官方的BSP移植到这块子上,请问大家应该怎么做了,有没有详细的资料啊,谢谢了!!!!!!!!!![/size]
iaiwork21
WindowsCE
推荐内容
热门视频
更多
Hover Camera-全球首款安全易用便携式无人机
平板示波器使用方法视频教学
带有投射电容式触摸屏的GUI开发板
直播回放: 清洁水源的守护 - ADI 水质监测方案
Atmel软件框架(ASF) – 软件设计程序
直播回放: Keysight 高速示波器基础与是德新品示波器解析
Atmel Studio完备的集成开发环境
华为认证路由交换工程师在线课程【HCNA】
希望未来能用上这款炫酷的电脑桌!
SpaceX“重型猎鹰”运载火箭全新概念片
开源项目推荐
更多
FZ72
#第五届立创电子设计大赛#STM32F103VET6最小最简系统板
使用 Broadcom Inc 的 ACPL-333J 的参考设计
ZR431F005TA 可调精密齐纳并联稳压器的典型应用
EVAL-ADM3260EBZ,用于评估具有集成 DC 至 DC 转换器的 ADM3260 热插拔双路 I2C 隔离器的评估套件
LTC3121IDE 4.3V 至 5V、500mA USB/电池供电同步升压转换器的典型应用电路
具有双输入的 LTC3126IUFD 5V、2MHz 降压转换器的典型应用电路
使用 MikroElektronika 的 MB94R215BPMB 的参考设计
BP5220A带保护电路降压DC/DC转换器典型应用电路
蜂鸟无线串口透传收发模块-LC12S和灵TR系列
热门文章
更多
Teledyne 发布Geospatial新业务,海洋和陆地的综合性解决方案
Pixelworks逐点半导体视觉显示技术赋能OPPO首款可折叠手机Find N
数字万用表使用入门教程
Qorvo® 为 Google® Pixel 6 Pro 提供超宽带技术
曾代工28nm骁龙 高通CEO最新表态:和中芯国际保持合作
PLC编程优化设计使程序运行提速
从奔驰EQC召回谈传统车企在电驱技术上的创新
大联大品佳集团推出基于Infineon产品的智能遥控器方案
LPC824-SPI接口(续二)
可能感兴趣器件
QBS78.6-2000
300HFR120MB
S9S08SG16E1WTJR
DTS20F15-15HB
RNC50H3832FSRSL
T499X226K035ATE7007777
Q22FA2380085001
MKT1820510254
JT07RE-12-3SD(362)
SIT1602BI-23-XXN-33.333330D
1812J0500472JDT
C1206Q101K2GAC7246
M28F256-20XB113
RP500N112A-TR-FE
PFS5012CW6-12VAC-W18
7301P1Y4ZQE22
CC127-AFBP-FREQLP-OUT29
801-026-AA6ZN6-4NA-12
FHW0402UC015GGB
CN1J8TT360J
VJ2220Y564JFCATA2
8133-211-6213-10
FP-8998HR-00-2802-DB
M55342M06B249DRTP2
MFP-50CBCMB249K
SA534353FX7PFT
CC2-12001GKSTNHWS
CM1-A3-B2-C350-7.0D20
10129220-10070D6LF
1808J5000820GCB
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