|
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
/
Dealing with spurious minima in hopfield nets
本课程为精品课,您可以登录eeworld继续观看:
Dealing with spurious minima in hopfield nets
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:11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
MSP430F5438时钟系统
MSP430F5438时钟系统 要了解一款芯片,最直观的就是官方给的芯片的特点(FEATURES);要用好一款芯片,就必须从数据手册了解芯片的各个功能;要开发一款芯片,我们就不许从最基本的时钟系统出发。本文着重介绍下MSP430F5438的时钟系统,也是整个5系列的时钟系统,这是我接触的第一款430芯片,如有错误,欢迎指正。统一时钟系统( Unified Clock System (UCS) )为
火辣西米秀
微控制器 MCU
拆修方太嵌入式电蒸箱,水位传感器故障断路原因只因一个小小电阻
同事来求助,说自家的方太电蒸箱能正常操作,就是不加热。就是这台嵌入式的大铁箱,价格不便宜,平时用来蒸包子馒头之类的。型号:SCD26-C2SE,2014年年底的早过了质保期。根据他说的故障,怀疑是负责加热的单元断路或控制的继电器损坏没闭合。拆开,找到控制板测量负责加热的有三个部件,加热盘(白色),加热棒(棕色),加热膜(白色硅胶线)经过测量,是加热棒无阻值巡线向下找,发现是类似熨烫机的蒸汽发生锅右
wangerxian
电源技术
新手请教关于嵌入式开发的方向问题
请问大家,做“智能卡”(比如食堂饭卡、公交车卡)、读卡器的开发工作,对于嵌入式开发、手机软件开发和Wince应用开发的工作在经验和技能上有没有多大帮助呢?
bell999
嵌入式系统
LPC1343
呵呵,来申请一下吧,看看能不能有机会得到。有机会得到的话,一定多写一些使用经验出来跟大家分享。如果能够顺便做一个学习板出来,可以在论坛搞更多活动了。
tiankai001
单片机
应用技巧/一种用单片机控制的光谱数据采集系统
摘要:介绍利用单片机和A/D器件MAX120等构成的光谱信号采集系统,由单片机控制A/D产生不同的采样频率,用于光电倍增管和CCD输出的光谱信号的采集。关键词:单片机 A/D 信号采集 光谱概述光谱测量中,常用光电倍增管(PMT)和电荷耦合器件(CCD)作为光电转换器。在慢变化、高精度光谱测量中使用PMT;对于闪光灯、荧光和磷光等强度随时间变化时的光谱信号则采用CCD。PMT和CCD输出的信号形式
rain
单片机
8路温度转换上下限修改
谁能告诉我怎样存储修改呀?
h15074035
单片机
推荐内容
热门视频
更多
Altera FPGA设计技巧提高实训
2011年ARM 开发者大会系列
形象地介绍:什么是傅里叶变换
NFC屏蔽卡片测试
直播回放:煮酒数创客,看如何让好创意发生
研讨会:深入挖掘集成主控制器功能的新一代 CapTIvate™ 触控技术
通过隔离产品解决隔离设计的挑战: 优势,应用和系统注意事项
MSP430学习套件九大实验详解
飞思卡尔胎压监测解决方案
聊天学Xilinx Vivado设计套件
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
粉尘检测仪的注意事项
小白学习HC-05蓝牙透传模块
基于iTop4412的FM收音机系统设计(一)
以89C51单片机为核心器件的自动控制系统编码译码显示实验电路设计
红外热像仪是否具有可以移动测温点和测温区域
电路图
决定电源输入功率的是什么?
无刷电动机绕组的结构和工作原理b
电容式交流接触器直流运行电路b
轮流闪烁的多组大功率彩灯链电路之一b
TC787在晶闸管三相两重桥有源逆变系统中的应用
555单稳态基本电路
半点报时电路d
传感器等效电路图
线路负载提示器电路
用于12V系统的500kHz逆变电源电路
低前向压降整流电路
JS13型晶体管时间继电器电路
三相电支机改制成正反转动转的单相电动机接线
单极性可偏置电流源电路
自动延时照明开关
自动分句放音电路
光脉冲接收电路
实验室电源控制电路
用电池驱动的压力表电路
MP3电路图7
全内置来电显示器专用电路
555高精度线性电压/频率转换器电路
音频噪声发生器电路
15~65MHz三次谐波振荡器
场效应晶体管RC电桥振荡电路
红外遥控多路开关控制器
TX-KBl02的应用接线图
变形的半桥式变换器电原理图
HT16500语音集成芯片
电脑主板电路图 440BX_19
可能感兴趣器件
177-007-25S6HN6-06
DBCDINF32HBAS2
SCRH105-330
VE-B70-CY-F4
WBC-B0202AG-03-2263-B
LP38500TSX-ADJ/NOPB
T493C336K016BK
VJ0805Y103JXACW1BC
530UA1019M00DGR
SIP-4769-05-1050-J
RC70CLF8K66FB
PEL-28-Y2-5
1808Y2000272FFR
10125448-3132LF
T215A124K075DS4250
PLB06M100C1
240-076-2-25SPER5.190GN
240-382AMT20-35PSCANU
TNPW121010K4DEEC
88078-1607N-06
716P1525500MA1
ALS40M333RD063
2635LHA42301L110V1
PT7V4050GKCGA12.624/12.624
MAX6326XR25+T
SON-UN989-12-6571-B-A-2
C1206C104J4GACAUTO
FS32K212MUTXVLQTR
P-2010E1890BSWS
M55342M02B2B26MT0
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