|
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
/
More efficient ways to get the statistics
本课程为精品课,您可以登录eeworld继续观看:
More efficient ways to get the statistics
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:14分48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
基于LabVIEW和声卡的数据采集系统
基于LabVIEW和声卡的数据采集系统
安_然
测试/测量
AD报错STG: docfile 已被损坏
AD打开前一天的原理图出现如下提示,并且保存的原理图只剩局部。STG: docfile 已被损坏。 at 417A9551.AdvSch.dll, Base Address: 40C60000.
Evil93
PCB设计
定时器中断中IO口能输出最高频率?
本人做实验时直接在定时器中断中把IO口取反输出频率信号,但输出频率始终达不到1M以上,为什么呢?谢谢各位!
eleclike
stm32/stm8
MSP430F5529时钟详解
统一时钟系统(UCS)的简介Unified Clock System,UCS。合理的配置时钟,可以达到平衡系统且降低功耗的目的。MSPF5529时钟系统包含5个时钟源:①LFXT1 外部低频振荡源,32.768KHZ,可以用作FLL的参照源;②XT2 外部高频振荡源,4MHZ;③VLO (Internal very low)内部低耗低频振荡源,典型为10KHZ,精度一般;④REFO 内部低频参照源
fish001
微控制器 MCU
TMS320F28379D SCID SCIB 的配置与使用
TI的官方例程里面只给了SCIA的配置而没有给其他的SCI的配置方法 其实这些的配置都是一样的,下面以SCIB和SCID的配置为例并结合数据手册说明一下配置过程:至于一些参数为什么要向程序中那样配置可参考F28379的技术手册和博客最后面的截图(当然了也都是在技术手册中截的)注:程序中红色的代表需要注意的部分,其他颜色的对应下面相同颜色的函数实现方式/*****************系统配置**
灞波儿奔
DSP 与 ARM 处理器
模电学习
我将模电电子书截成图片,方便大师们观阅。如附件图6.7.5,1.为什么说图为电流反馈运算放大电路,它的反馈在那边?2.为什么说同相端电流=—反相端电流?(我理解:虽然同相端和反相端的电压相同,但T1和T3,T2和T4都具有电流放大作用,输入电流经T1放大到T1的发射极,再到T3的基极再放大到T3的发射极到方向输入端,在通过镜像电流源到Z点,所以我认为是同相输入端与反向输入端的电流是方向相反大小不同
whwshiyuan1984
模拟电子
推荐内容
热门视频
更多
下世代能量转换技术
直播回放: Maxim 支持工业系统的集成数字IO技术
德州仪器深度学习 (TIDL) 概述
HVI 系列: 掌握隔离门驱动器的稳健性 - CMTI 的深入研究
Vishay 威世科技--IHLP 功率电感器(概览、饱和电流性能测试)
嵌入式系统
飞思卡尔最新车载信息娱乐系统演示(IoTT大篷车)
Delfino双核F2837xD性能介绍
工程测试技术基础 华中科技大学
研讨会 : ADI 数字主动降噪耳机方案
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
蓝牙mesh传感器平台可让OEM 厂商提供专业的智能照明
Poly博诣推出全新Voyager 4300 UC系列蓝牙耳机
贸泽电子与Amphenol推出介绍新型连接解决方案的Plugged In视频系列
5.LED流水灯
Arm中国区CEO吴雄昂:拟2025年后在香港或上海上市
万用表使用两则
意法半导体BMS控制器准确度高,让锂电性能更好,续航更长
现代电动汽车车载充电器的高效散热管理设计
电路图
稳压二极管注意事项
电源滤波去耦网络的应用
基于可控硅的过零触发电路图
由场效应管组成的FM收音机电路
远控线路a
TDA7052 功率放大器电路图
TDA2040 20W HI-FI 音频功率放大器电路图
机械扳手控制电路
一款入门胆机的制作
发光二极管市电指示器电路
变幻无穷的声光模拟控制器电路04
用8550和8050制作的晶体管小功放电路图
MAX714应用电路图
电风扇0至24小时数显定时器电路
用TL431作稳压器的原理图
低纹波电源电路
T68型卧式镗床电气原理图电路(1)
C2132.6D型卧式六角自动车床电气原理图电路02
低压报警器
负电压斜率快速充电器电路
M62213FP一些端子的连接方式电路图b
小型两节电池升压器MAX856电路图
热线式呼吸流量计放大电路
单片机试验板电路四
电子煤气点火器电路
555监测电池欠压状态的指示电路
555电子稻草人电路
中性点电压缺相用电压继电器保护电路
电脑主板电路图 830_54
可能感兴趣器件
PN4416
X84640G
CMC70225AV2N-40.500MHZ
KPT06B16-26PW
CD54HC238F
2M804-003-00C7-1PC
TVBK1505SPNW02
RK73H1HTTC7152F
55091-0872
1-435704-0
TUF-2SM+
KG490A2TXA263XCVXX
755MM-UA-75-B-SC-53-JP
KSS087-811MG
800-006-06NF12-37SY
DC021C123MA5710
ECCM5A5DB10-24.576MTR
KA126/127CPV6MH2TH
R5F2L368ANFP#V2
CDR31BX821BKYRAC
P4SMA180AHM3_A/H
51724-10106804A0
SOMC1401300RJRZ
240-0325-37SPD4K7-18F
B41821A8337M003
1526210-2
VHP202ZJ1K6200DB
D2SB60
EKMG500ELLR22ME11N
SR2010DK-0756K2L
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