|
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
/
Why the learning works
本课程为精品课,您可以登录eeworld继续观看:
Why the learning works
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2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
ZT:学习模电的真谛
复旦攻读微电子专业模拟芯片设计方向研究生开始到现在五年工作经验,已经整整八年了,其间聆听过很多国内外专家的指点。最近,应朋友之邀,写一点心得体会和大家共享。我记得本科刚毕业时,由于本人打算研究传感器的,后来阴差阳错进了复旦逸夫楼专用集成电路与系统国家重点实验室做研究生。现在想来这个实验室名字大有深意,只是当时惘然。电路和系统,看上去是两个概念, 两个层次。 我同学有读电子学与信息系统方向研究生的,
极度自卑
模拟电子
求助:关于FLASH下载的问题
我在调试完一快板子后要进行FLASH下载,程序是关于调制和解调方面的,以前在程序不太大(1900行左右)的时候,可以下载成功,然后脱机运行也正常;但是现在当程序有3000多行的时候,发现下载还是可以,可就是有部分调制的程序在脱机时不能运行了,不知道是CMD文件的原因导致程序空间被重复使用还是其他别的原因,请有经验的高手帮忙解答一下,已经困扰我很久了,先行谢过!
shuge
DSP 与 ARM 处理器
秀秀偶拍摄的猛士特警车!
秀秀偶拍摄的猛士特警车!http://weibo.com/vishaychina :victory:
jameswangsynnex
汽车电子
提问+MSP430的电源部分怎么处理?
MSP430的电源部分有模拟电源和数字电源,再设计的时候怎么处理这两部分?直接相连吗?
jxsl
微控制器 MCU
stm32f373拔掉stlink后时钟频率改变
是这样的,板子要产生PWM波形,我把外部晶振改为10M恒温晶振,倍频7倍到70M,程序使用stlink 下载到板子上之后产生正确波形。但是!!!拔掉stlink之后(全部拔掉),断电重新上电运行,产生的波形就变了!正好是原来的8/70也就是说运行使用的是内部8M LSI!!!!这事已经困扰好久了,试过多次都是这样,请问各位有没有遇到过类似的情况,多谢!!!
loosens111
stm32/stm8
MOTOROLA 32 位单片机M68300 系列原理与应用
书名:MOTOROLA 32位单片机M68300系列原理与应用作者:齐秋群主编出版社:北京理工大学出版社出版时间:1993页数:487页[[i] 本帖最后由 wzt 于 2010-4-18 22:01 编辑 [/i]]
wzt
单片机
推荐内容
热门视频
更多
Modern Switch Mode Power Supply Design, Closing Feedback Loops using Simplis
[高精度实验室] 隔离 : 隔离式放大器与调制器
采用 LTC2379-18 实现 101dB SNR
大帅DIY
Microchip低成本dsPIC® DSC电机控制方案
TI MSP430研讨会2014
射频电路基础
matlab机器学习(英语中字)
2017第四届全国虚拟仪器大赛赛前培训
直播回放: 英飞凌针对电动工具的高功率、高效率以及高可靠性解决方案
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
GPIO的配置及使用(MC9S08AW60)
中国科大在机器学习提高超导量子比特读取效率上取得进展
MSP430 G2553LAUNCHPAD +WDT 延时或产生方波 IAR
P50 Pocket主屏为6.85英寸
msp430入门学习04
51单片机入门 - IIC(I2C)总线
汽车电子风扇它是如何工作的
虹科脉冲发生器在读出电子测试中的应用
电路图
节能摩托车整流稳压器电路图
溢出报警电路
Y3150滚齿机控制电路
TDA2003功率放大器电路图
使用继电器的延迟灯电路(2)
两种新型应用的水位自动控制器电路图
5至30分限时控制器电路
STK0040II音响IC电路图
由振荡器和双向可控硅构成的开关电路
万宝水墨YLR4-6,YLR4-6A冰热饮水机电路图
采用晶体管构成的软启动电路图
采用LM2579构成升压稳压器电路图
NJU7662应用电路图d
电源故障监视电路图b
由SG3524构成的推挽式PWM稳压电源电路图
随动闪光电路
顺次双定时控制电路
可控制零电压触发电路
脉冲电话呼出限制器电路图
防盗电话侦检器电路图
RS232-TTL-RS485的电路图
555零交叉电路
利用光强变化测量仪电路构成差分放大器电路
自动增益控制放大电路
三管无稳态带动三只继电器电路
自动串联电阻启动三相电动机电路(一)
6OXT(1.0)电脑主板电路图_26
电脑主板电路图 440BX_09
电脑主板电路图 810 2_17
电脑主板电路图 815 5_05
可能感兴趣器件
SSB3FP32031011NN
M80-4T13801F3-05-301-01-321
CMF5075K000FKRE
U324-010
IPL1-125-01-S-D-RA-P
MTMM-150-05-G-S-180
15-214-1-088
ECCM8NA-16-25.000MTR
WS1M8-25FIA
RSB3RM513228
C-13-DFB-PB-SFC2
SMBG5363AE3
GMPM1-G103RT018K5-460S
GMDE251-2P-CMI0E7-18W
2645LPAB3900L380V3
MG780-17.4M-0.1%
81N3J-P32-C25/C25/C25
TSM-120-02-F-SH-A-TR
CR0201-20W-7591DPT-13
CDLB-1-2702-9901-S
CEC12CGCWS15NF20%16VEM
C262G332K30C000
2225F1000472MRR
M55342M09B226ACTS
8D5E25Z02BB674
KEPFU-111PA-B/Q
KGS124-S/K
FMXMA118GJF-01.800000M
W1206AS-02-164KAI
ECS-320-8-33B-CWP-TR
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