|
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
/
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
三极管无稳态多谐振荡器电路
一个简单的多谐振荡器,自己分析了下原理基本可以分析出来。唯一不明白的是2个三极管B极截止的时候为什么是负电压,从放电的角度来分析不是放完电在0V左右的吗?电源也没有负电源,想不明白哪来的负电压!
zhihuo
模拟电子
给8051供电的+5V电源如何实现?
譬如220的市电,如何给8051供电呢?
wangkj22
嵌入式系统
有关MOS管的并联的知识
[b]1.MOS管并联的可行性分析[/b][b]由下面的某颗MOS管的温度曲线可以看出MOS管的内阻的温度特性是随温度的升高内阻也增大,如果在并联过程中由于某种原因(比如RDSON比较低,电流路径比较短等)导致某颗MOS管的电流比较大,这颗MOS管会发热比较严重,内阻会升高比较多,电流就会降下来,由此可以分析出MOS管有自动均流的特性而易于并联。[/b][b][/b][b]2.MOS管的并联电路[
qwqwqw2088
模拟与混合信号
LPC2103支持总线扩展吗?
LPC2103支持总线扩展吗?:L :L :L
富贵花开
嵌入式系统
求助DSP芯片BE控制线问题
大虾门,我在调试DSP(6701)的时候,发现程序下到SDRAM内跑的时候,只能按INT型数据跑,如果按字节读写的时候就会乱。还有我调试时使用fopen,printf函数时,就会死机。我研究电路图发现,SDRAM是由两个16位宽的尔必达EDS5116ABTA拼接成32位。但是SDRAM的高16位和低16位UDQM和LDQM同时共用DSP的BE0和BE1,高16位的SDRAM没有接BE2和BE3。请
xiaoxi8592
DSP 与 ARM 处理器
nios交流群
nios交流!群号:62099724!对于长期不交流者踢出群!
天地容我心
FPGA/CPLD
推荐内容
热门视频
更多
感谢工程师——无线电话听筒
使用低引脚数USB开发工具包(DM164127)在应用中添加USB连接
MPLAB® XC8 C编译器的架构特性
Maxim Integrated:30年回顾
直播回放: Microchip 安全系列29 为实时性和安全性要求高的应用增添安全性
MCP16321/2/3 1A/2A/3A同步降压转换器
STM32 F7英雄联盟设计大赛
生物体五官(嘴巴)精细刻画15分钟搞定——卡丁制作
小梅哥FPGA入门到实践特训班全程高清实录(2019)
什么是区块链?什么是去中心化?
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
51单片机-指向数组的指针
乐鑫科技打造蓝牙 Mesh 解决方案,释放IoT无限潜能
48-基于51单片机的矩阵电子秤设计
垂直燃烧测试仪简介
Mendix平台助力零售业拥抱低代码
将ICT和FCT优势结合在单个测试适配器中
DigiKey 公布标志和品牌更新
可能感兴趣器件
M29F010B90N3T
DBCPLCC52SMT
VP0808L-P014-G
2M805-004-07ZN8-6SC
PPS324-2A1801-V
V27ZT05P
70V35S25PFGI
804-003-00NF12-2S
54101-F08-13-A03RLF
HR165BW3S
MCD-M1-F-31P5L3-18.0
MFR1WSBRF370R
FX206CPG6-5V/60-BP
HBSTC-217-D-100-02-T-120
XHS35F-100-R1-SS-2048-ABZC-28V/V-SM18
7205L1H4V2BES
SON-N959-07-1231-BA
N959-07-7K32-DD
ER1025-58KP
JACK-9815-66-2-3
ABLS7M-30.001MHZ-S-K4Q-T
CG1206NPO151FW
ATC-N113-S/Q
D29F999V12105AFG-G
FP20216133701AXAF
QS226HCD9S-350.000MHZ
NMC-P0805NPO3R9B250TRPLPF
MFR25SDRCM542K
3DSR8M32VS2503-MS-A20
AMM18HSXS
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