|
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
/
Limiting size of the weights
本课程为精品课,您可以登录eeworld继续观看:
Limiting size of the weights
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22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
有人会反汇编吗?该如何学习啊
来自EEWORLD合作群:arm linux fpga 嵌入0(49900581)
许可
FPGA/CPLD
软件测试经典资料大推荐(十四)---赢在测试 中国软件测试先行者之道
[align=center][size=5][font=宋体]软件测试经典资料大推荐(十四)[/font][font=Times New Roman]---[/font][/size][font=Helvetica, Tahoma, Arial, sans-serif][size=5][color=#666666][b]赢在测试 中国软件测试先行者之道[/b][/color][/size][/fo
tiankai001
下载中心专版
LED发光
LED工作电流10-40mA。为啥我上拉电阻1K欧,电压5V,LED还可以亮。既然如此为啥大家说LED工作电流20mA。为啥真搞不明白?
lcj862084274
LED专区
有没有人用过MLX90615的出来讨论下哈。。
在做MLX90615但是很少资料。关键是没人讨论。。。求讨论啊!!!!实在不好意思哈。。打漏一个数字是MLX90615[[i] 本帖最后由 sillman 于 2012-5-24 11:52 编辑 [/i]]
sillman
51单片机
msp430 程序批量下载问题
如何同时给两个单片机下载程序?
zhaimcrazy
微控制器 MCU
TI CORTEX M3 串口转以太例程的问题请教
哪位大侠可以说说串口收发数据的流程呢,进了中断以后把数据放到了RINGBUF,然后怎么办喱?怎么和以太联系起来呢?
fly897
微控制器 MCU
推荐内容
热门视频
更多
PRoC BLE 低功耗蓝牙射频片上系统简介
传感器技术及应用 北京航空航天大学 樊尚春
直播回放: TI 新一代Sitara™ AM62处理器革新人机交互 - 加速边缘AI的开发
2016 TI 工业研讨会:TI工业信号链方案攻略
汽车方向盘生物测定
Atmel Studio 6下载和安装指南
LIGO发现引力波新闻发布会 中文字幕
直播回放: 5G多场景终端应用对连接器的新要求及Molex的5G连接方案
TI DLP® Labs - 显示
直流电源设计
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
S3C2440裸机------NandFlash编程_芯片id读取
谷歌Pixel 6 Pro拆解,三星成为毫米波技术有力竞争者
大联大世平集团基于CPS产品的50W车载无线充电方案
S7-200PLC用高速计数器实现测量模拟量信号的方法
linux下S3C2410的DMA驱动程序开发
示波器探头需要补偿校准的根本原因
C语言_浮点数_IEEE 754标准_单片机_浮点数精度
CA6470/6471/6472专业型接地电阻测试仪的特点及适用范围
【汽车创新三大驱动力】系列之一:解决电动化和电池测试挑战的方法探讨
电路图
应对汽车牵引逆变器日增的新系列电源模块,你知道吗?
TSV采用恒流源的测温电路图
按摩器数码管显示电路
电阻——电压转换电路
5V至2.5V稳压电路
直流电磁铁强励磁快释放电路
谐波电流断相保护电路之四
超级傻瓜大功率功放模块03
AD2S80A典型连接电路
功率运算放大器集成电路
555公共汽车站途指示器电路图
有过载保护功能电源电路图
高频遥控电路设计电路图
心脏活动监视电路
双极性电源电路
机电控制单向起动全波整流能耗制动控制电路
双臂整流模块串联电路
γ射线脉冲积分电路
MAX666的电压下降检测功能电路图b
栅极低压保护驱动电路图
负电压转换成正电压电路图1
旅馆房间防盗报警器
低功耗计数表头电路
555触摸式可控硅过零开关电路(一)
555简易转速表电路
采用集成触发5B的通—断温度控制电路
R21571直管型集成电路电子镇流器
锁链式多谐振荡电路
4字控制键盘电路
可能感兴趣器件
ABM10-FREQ-CL-R150-7-A20-T
M38203N4-095FD
2200BGH1504B2SA
P6KE39A
231-104-00ZN11-2PN-01
VE-BNP-EV-F1
MKP383413040JC02R0
VS-5040-ECX-205X-2048M479300-600M0000000
CAR6VLF294KDB
SOT-DIV23LF-02-10R0-3001-FD
0603Y0500180GFR
C96-ECR2-CW9
LB15WKW01-01-JE
ASV21-FREQ-F-K-T
MXSMCJ7.0TR
64-00327-C7-0300
C49Z-A2B3C450-FREQD18
VCLNCAAT6.400MHZ
C-15-001-T-SLI-O-GR
SL1-002-SH165/01-55
CHC-CH4ALF-03-9092-DB
NT1GT72U8PA0BD-3C
34ASP59B8M7GT
MF55-4122-DB50
RNC50J1522BSR3631
FP52SER-4221-DB25Q
FVF-64W-R/Q
W2PP-231N-M2/N
M55342K09B187YUWB2
PT06PG-14-5PW(424)
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