|
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
/
Using stochastic units to improve search
本课程为精品课,您可以登录eeworld继续观看:
Using stochastic units to improve search
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:10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
算术运算指令
Arithmetic OperationsABSr3 = abs r1 ;a1 = abs a1, a0=abs a0 ;Add/Subtractr5 = r2 + r1(s) ;r0.l = r2.h + r4.l(ns) ;r1.l = r6-r7(rnd20) ;r1.l = r6-r7(rnd12) ;r0 += 40 ;MAX /MINr5 = max (r2, r3) ;r5 = mi
free
DSP 与 ARM 处理器
linux hid设备通信,如何实现阻塞接收?
用libusb库搞了一个通信程序,usb_interrupt_read进行接收,但是这个函数是非阻塞的,写死循环太占CPU。我试了select,监视/dev/bus/usb下设备打开句柄,也试了监视设备的输入端点管道句柄,都不好用。有谁搞过这方面的东西,提提建议。貌似win版的libusb下的usb_interrupt_read就是阻塞型的,源码看不大懂。
kittyzhang010
Linux与安卓
优龙bootloader的一些奇怪得问题
mov r5, #NFCONF;DsNandFlashldr r0, [r5, #4]bic r0, r0, #1str r0, [r5, #4]ldr pc, =copy_proc_beg[color=#FF0000]这个地方pc没有跳到下面拷贝代码段部分(我通过点灯测试了这句是执行了得下面没执行(上电测试))[/color];==================================
zgyzsq
嵌入式系统
大家项目中一般用那家的蓝牙?
[b][size=5]如题,项目中,一般那家的蓝牙芯片用的比较多,想学学蓝牙。[/size][/b]
freeelectron
RF/无线
用altera的carry_sum原语设计一个加法器
我想用altera的carry_sum原语设计加法器,并用到LE上的快速进位链。但是按照altera的原语手册写代码,却还是综合不出用进位链实现的加法器。请问有人用carry_sum原语设计过加法器么?下图是综合出来的加法器,根本没用用到他的进位链。
全部都是泡馍
EE_FPGA学习乐园
【TI原创】矩阵键盘扫描新思路
用过单片机的人应该都熟悉矩阵键盘扫描程序。矩阵键盘一般是依次扫描输出管脚,需要N(N为输出管脚的数目)次扫描才能完成整个键盘的一次完整扫描。不过,你见过一次就可以扫描一个完整键盘的程序吗?呵呵,这个你应该见过的,这就是键盘扫描中很有特色的线反转法,在不少教科书中都介绍过。所以我今天要介绍的不是线反转法这个扫描算法,而是将定时器和线反转法结合在一起的一种扫描算法。引入定时器后,由于整个扫描过程都是在
柳叶舟
微控制器 MCU
推荐内容
热门视频
更多
正点原子手把手教你学OneOS
GoKit 开发套件从入门到精通
2015 TI 物联网大赛:小球探索者
如何在 Sitara AM5728 上的 Jailhouse 中启用 PCI Express
野火FPGA视频教程
PI电源芯片: 一分钟了解 BridgeSwitch
移动通信系统(电子科大版)
Atmel AVR 技术的历史 (中字)
MCP2210及其评估套件
正点原子手把手教你学STM32-M7
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
Vishay推出工作温度达+180 °C的汽车级超薄IHLP®电感器
超声波液位计受蒸汽、泡沫影响的处理办法
阿里巴巴领投,元戎启行获得3亿美元B轮融资
新思科技解决方案获三星5nm、4nm和3nm工艺认证
传紫光集团将放弃重庆及成都存储厂计划,阪本幸雄已离职
ROHM推出600V耐压Super Junction MOSFET“R60xxRNx系列”
【创新背后的故事】:如何创建一个任何工程师都能使用的测试工具?
插入式电磁流量计的工作原理
电路图
单位增益电压跟随器电路
射频嗅探器电路
小型一体化第二变频器
脚踏式点焊机电路之三
低成本集成电路功率放大器03
半球牌BCD-180D、BCD-208B型电冰箱电路
自动调光台灯电路
共模音量和音调控制电路
简易逻辑分析器电路
遥控光开关电路
电话占用指示器电路图
万和WK237机械式微波炉电路图
TIL118-1/TIL118-2/TIL118-3型光耦合器电路
大输出应变式传感器电路
具有快速响应的有源滤波器
会哭会笑的玩具娃娃电路
伺服电机系统电路
555 4-1/2位数字电压表电路
555电视双频道监视自动转换电路
细导线用于灯光控制的电路
SG3501构成的可变双极性稳压电源
增益为20且负载接+U的LM388
宽带短波放大电路
滤波器和衰减器的电路设计
电脑主板电路图 440LX_18
电脑主板电路图 815 3_40
电脑主板电路图 815 5_30
燃气热水器电路图
电话机原理图06
可能感兴趣器件
SDC-14565-244Q
FYM-19881CXX-2
DP11HN20B15K
1460338
530FB333M333DGR
dsPIC33EV64GM004-E/ML
ECCM7GA08-17.734475MTR
79257-858LF
DTS25N2504PN
MT100-024-24C-NTO
MDCE/15D/12S/15D
Q22P1BPKKW12AEDL
TSC80251G1XXX-A16CDB
MWDM5L-25PCBRR5T-.172513
LPGM03SR-F37
MFN1WSDB-52-324K
1-1717834-4
500P52N395JL3C
RWR84SR298DMS73
DIP-1999HT-01-2031DC
WSFP10332401D
SIT2045BERS1-30EA122.141999D
HCHP1005K21R0DB151
M55342M08B21D5SWB2
FP20216133012BXDDW
250R05L5R6CG4Y
SQCSVA3R0DAJ3A
M55342M12U3F09S-TR
DBP-M959-01-1822-FB
1210B911J160DHW-HK
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