|
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
/
How a boltzmann machine models data
本课程为精品课,您可以登录eeworld继续观看:
How a boltzmann machine models data
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44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
EMI强化放大器介绍
[i=s] 本帖最后由 dontium 于 2015-1-23 11:33 编辑 [/i]LP8755 是德州仪器(TI)推出的针对个人电子产品的业界最小型 15A、多相位 DC/DC 转换器。现在就让你工程师告诉你更多有关LP8755的信息吧![media=x,500,375]v.youku./v_show/id_XNjk0NDM5MTcy.html[/media]
德州仪器_视频
模拟与混合信号
数字温度传感器DS18B20的原理与应用
1引言DS18B20是DALLAS公司生产的一线式数字温度传感器,具有3引脚TO-92小体积封装形式;温度测量范围为-55℃~+125℃,可编程为9位~12位A/D转换精度,测温分辨率可达0.0625℃,被测温度用符号扩展的16位数字量方式串行输出;其工作电源既可在远端引入,也可采用寄生电源方式产生;多个DS18B20可以并联到3根或2根线上,CPU只需一根端口线就能与诸多DS18B20通信,占用
qixiangyujj
单片机
stm32+ucosii下怎么编写串口中断程序?
stm32+ucosii下怎么编写串口中断程序?有系统和无系统有什么不同?谁能给个二者比较的例子?
teclimber
stm32/stm8
为什么这段汇编代码使用ADS1.2编译不过?
初学ARM,使用ADS1.2写了一段汇编程序,想在自己的2440裸板上跑一跑,可是汇编代码却编译不过,完整代码如下:.text.global _start_start:ldr r0, =0x53000000mov r1, #0x0str r1,[r0]ldr sp,=1024*4b1 mainhalt_loop:b halt_loop[[i] 本帖最后由 zhangle0922 于 2011-7-
zhangle0922
ARM技术
中星微、智多微电子手机芯片抢攻台湾市场
Felix
电阻和电容的问题
R和C的位置有关系吗?如果有,那么哪种更好
aq1261101415
模拟电子
推荐内容
热门视频
更多
Xilinx UltraScale入门教程
PGA-540汽车停车助手
PSoC创意项目展示:基于PSoC3的智能电风扇
飞思卡尔完善的永磁同步电机无位置传感器矢量控制解决方案
转一个老外的超炫RGB旋转时钟
直播回放:TI MSP430 铁电超值微控制器方案
了解你的栅极驱动器
电路(江苏大学)
Microchip MCP19111评估板
研讨会 : ADI 基准电压源产品技术及应用选择
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
防腐磁翻板液位计的工作原理
MEMS光纤传感器制造商拜安传感获得A轮投资
ZDS2022示波器的模板触发是什么原理?
谷歌推出新的私有计算服务,来提高Android安全性
富吉瑞:计划通过增资和受让获取北方广微10%股权
STM32笔记(十三)---ADC
台湾半导体业未见复苏迹象
新能源汽车事故频发 电池检测和保养需重视
电路图
Temp-Flex TwinMax耐高温、低损耗双轴电缆,你知道吗?
CB信号发射器-示波器耦合器
共射极放大电路的工作原理b
采用与非门的抢答电路
他励式直流电动机正反转电路
正反向运转能耗制动电路之一
LM1894原理及应用(b)
HT-12系列电路-c
MC33466H-50JT1组成升压变换器电路图
多功能电路测试笔电路
改三相工业缝纫机为单相运转的电路
重载电动机启动电路_2
直流电动励磁回路的保护电路_2
CA6140型车床节电控制电路_2
与集成电路兼容的晶体振荡器
3.3V电源,数字输出式大气压计信号调节器
采用变压器隔离的电源电路图
LT108构成的负电压输出电路图
空气流速检测电路
单电池5V太阳能电源电路
555电子语言模特招待电路
一款无线免提电话装置电路
带继电器的短路保护器
电子音量控制电路
2~20MHz变频晶体管振荡器
PT2262-IR/2272的引脚与功能
IGBT直接串联高压变频器的拓扑结构
一只按钮控制三相电动机
电脑主板电路图 815 4_48
饮水机电路图01
可能感兴趣器件
2SB860_15
2-173484-8
VI-B3W-EX-B1
ACVX1220L-FREQ-Y-S1-N20-Q10
HG532767T3XIJT
ICS548G-05IT
C320C102K2G5HA7303
TL431IDR
TFM-140-21-STL-D-SA
DS1501-7EPTB1
MB918T23E99SA
59000T-G-16PC
Q19P2CKKSW24
803-009-AA4MT6-7PN-72
AS7C331MPFS18A-200BC
HDM04-HF17S
MWW10DTR549
63ZLH47MKC6.3X11
HC2407U-W
M80-4T11005F1-04-301-03-301
RNC65J1292DM
TTP259-DTDN
STM32WLE4UCY6XXX
PCF1206P-2-806RCT1
MKHT-2T2-025-323-220R
UM1-100M000-7E10C16
GP55-2030-BT25
RNR65K1202DRRSL
GUS-SS8A-03-1271-DB
ACCL00PGR24-12SY(025)
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