|
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
/
An example of contrastive divergence learning
本课程为精品课,您可以登录eeworld继续观看:
An example of contrastive divergence learning
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:7分14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
发现一个嵌入式学习资料下载网站,很不错的
刚才上网下载一个资料,偶然发现了这个网站。本来就是一个普通的网站,但发现,这个网站它不要注_册,不要登录,直接免费下载。我从来碰到过的网站都需要注册,然后登录才能下载的。所以来推荐一下。网站名字叫:嵌入式学习资料下载网(不知道有没有记错),www.milk-power.com感兴趣可以去看下 。。。
liuzx1017
51单片机
电子血压计原理两个问题
电子血压计原理两个问题1.袖带自动充气,到一定压力(比收缩压高30-50mmHg),此时收缩压都是未知的,血压计是如何判断当前给的压力的?2.收缩压=0.45*峰值,舒张压=0.75*峰值,这里是反了吧?收缩压更大才对原理是否可以简单归纳为:血流通过血管产生震荡波,压力作用于袖带,袖带把压力传递给压力传感器,传感器感知压力,然后得到一个波动的峰值,根据峰值就可以推算出血压值?
QWE4562009
综合技术交流
这两天M3/M4板块好似牛市来了,火爆!!
:):):):titter::titter:熊市的板块变牛市,谁的功劳!,如果有用的东西多点就更好了![[i] 本帖最后由 平湖秋月 于 2013-9-12 22:15 编辑 [/i]]
平湖秋月
微控制器 MCU
导波雷达问题
工作中碰到浙江瑞安EGWR型705导波雷达测量液位时,显示经常卡在20.5mA处,但实际液位并不是满量程,测量介质是MEK。以前并没有出现过这种现象,前几天才出现这种现象,自此以后就会每天大约出现2到3次,出现这种现象时把筒放空后,显示还是20.5mA,过5分钟左右自己就会恢复正常,而且测量准确。开始我们以为变送器坏了,但换了一个新的还是老样子。请教高手帮我解决这个问题。谢谢
eeleader
工控电子
好玩的东西,在RT-Thread上运行NES游戏模拟器
这是开版后我发的第一个贴,非常感谢soso的支持,从此RT-Thread在eeworld也有了专门的版面。可能大部分eeworld的网友还不太熟悉RT-Thread,我先发一些好玩的东西,让大家感受下在RT-Thread上面可以玩的东西是很多的。上面的图片是我最近在RT-Thread/GUI上移植的NES模拟器的一些截图,游戏的速度及可玩性还不错,这部分代码后面也都会开源出来。在RT-Thread
shaolin
嵌入式系统
超过4个变量的逻辑表达式,怎么画卡诺图
如图所示,教科书上给出来的卡诺图,基本上最多是4变量。如果遇到逻辑函数有5个或以上的变量,又该怎么画图呢?化简的方式又是怎么样的呢?
lingking
综合技术交流
推荐内容
热门视频
更多
9美元的电脑
How to read an OPAMP's Data Sheet
Simplelink Academy:传感器控制器简介
[高精度实验室] 电机驱动 : 5 电机驱动技术
ADC基础知识分享 - SAR 和 Delta Sigma ADC 基础知识
SlimSensor技术消除显示屏噪声的影响
火遍极客圈的Vincross HEXA 全地形可编程机器人开箱评测
SmartMesh IP 无线传感器网络入门套件
E2E 中文论坛工程师分享 - 蓝牙 5 新特性及应用
电池管理深度技术培训
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
可能感兴趣器件
HFE18V-300
P6SMBJ110A
240-381AMT13-8SPCCNU
E1SPA22-15.625M TR
TV07RW1597PCW52LC
CPL03R0200JE313
LTM8023IV#PBF
RNC55H1932FSB14
ZW-08-09-G-D-200-255
7201J51W3RE11
SL0-671342V-45LHXXX:R
PH1-7I2FA4082
DAPL15S3GTLF
TCD4027036HE015008-FREQ
HPW063SMXNB0P0
E1UAB20-29.498928MTR
M55342E04B4E12MT3
2318-5111TN
69190-829001ALF
XCTQ1316980AC
D-SUB-205AF23KBNBB103
BF060-56-B-A-0250-0250-0305-N-E
M55342M03B129AMT1M
0041.9119.5.3.3.050
A42MX09-VQ100A
RMKHT408E2523DDA06
M2SES-26D-M/CE
M2WVS-A13D-R2/CE
204A69R80A
RWR89NR417DMB12
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