|
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
/
Learning layers of features by stacking RBMs
本课程为精品课,您可以登录eeworld继续观看:
Learning layers of features by stacking RBMs
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:17分34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
关于流水灯的问题
我用的是msp430fr5969 launchpad自己编的程序如下,不知道为啥一直不行,外接的led灯一点反应也没有,用的ccs6#include/** main.c*/int main(void) {WDTCTL = WDTPW | WDTHOLD;// Stop watchdog timerPM5CTL0 &= ~LOCKLPM5;P1SEL1=0x00;P1SEL0=0x00;P1DIR=
LQC
微控制器 MCU
一道简单的算术题
一个人花8块钱买了一只鸡,9块钱卖掉了,然后他觉得不划算,花10块钱又买回来了,11块钱卖给另外一个人了。问他最后的收益是多少?即他赚了多少钱?提示:这是国外某著名商业公司的一道面试题,考查的不是你的数学计算,而是看你会不会在经济活动中将“如何获得最大利润”放在首位来思考,也测试你在纷杂的交易过程中能不能明确自己的位置。据说这道题测试过上千人,正确率不足5%,认真考虑,仔细作答哦![hide]答案
liuceone
聊聊、笑笑、闹闹
读书有礼:小读芯片设计书籍,参与Mentor有奖知识测试
[size=5][color=#0000ff][b]活动时间:[/b][/color][/size]即日起至3月31日[size=5][color=#0000ff][b]活动参与流程[/b][/color][/size][size=4][backcolor=white][/backcolor][/size][color=#000][backcolor=white][font=微软雅黑][size=
EEWORLD社区
FPGA/CPLD
一个小的键盘控制加减程序 加法时结果不对,高手帮忙看一下~谢谢
这个程序是要用两个键盘分别控制加1和减1,在数码管上显示出来,做减法的时候没问题,但做加法的时候结果不规律,比如3以后再按一下就会是5.看了很久没找到问题在哪,高手帮看看~谢谢用的芯片是AT89S52LED共阳#includesbit k1=P1^0;sbit k2=P1^1;sbit wei1=P2^0;//片选sbit wei2=P2^1;sbit wei3=P2^2;sbit wei4=P2
houyb
嵌入式系统
我这样做对吗
今天早晨做了一件很气恼的事,估计对方也挺生气。先说一下事情经过,早晨骑自行车上班,走到这个路口,这个路口有三个车道,一个左转,一个直行加右转,一个非机动车道,每天早晨人多的时候这个路口右转的车辆在红灯的时候很多车就会拐到非机动车道上去右转。自行车就主动或者不情愿的被挤到垂直的路上的非机动车道上。今天早晨我走到这儿的时候,就在图上电动车的位置,把后面两辆右转的车堵后面了,一直到红灯结束。开始的时候有
jishuaihu
聊聊、笑笑、闹闹
座谈题目:简化客户端电话设计 - C54x上实作eXpressDSP兼容算法
座谈题目:简化客户端电话设计 - C54x上实作eXpressDSP兼容算法
maker
单片机
推荐内容
热门视频
更多
村田顽童演示控制姿势行走
Microchip模拟和接口产品树形导览(下)
如何选择合适的 RS-485 收发器
升压变换器TPS61088的输出短路保护方案
Atmel Studio 6 - QTouch Composer介绍
陪您一起学习FPGA----叁芯智能郝旭帅团队
直播回放:用校准降低仪器测量不确定度, 提高测试精度
了解你的栅极驱动器
趣味电子技术史话:通信技术发展史
直流电源设计
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
砥砺奋30年,SK集团贯彻幸福经营,与中国市场共成长
为什么需要确定气体检测仪的范围?
液位开关的常见分类
Keysight是德科技E5061B网络分析仪
两台电动机顺序启/停的PLC控制电路
e络盟开售TE Connectivity最新系列连接和传感器解决方案
电路图
集成转速/电压转换器LM2907/2917的6种输出电路图
高速光电二极管信号调理电子电路图
门电路,触发器,计数器组成的8进制计数器电路和信号波形
同步RS触发器的电路结构及其符号
共射极放大电路的工作原理b
TBB系列不错装置一次电路方案
输出电压扩展电路c
两台并列变压器自动投换控制电路
晶闸管-力矩电机式调节器电路b
电流调节器电路
循环闪烁的多组彩灯链电路之七
uPC1225H的内部电路原理
华立牌BD-80型电冰箱电路
STK4181II音响IC电路图
双极性电源电路
6A可变输出开关稳压电源电路
胶体电池充电器电路
定时电路
电动自行车无级调速成电路
缓冲级射极输出原理图电路
多用途家电定时控制器电路
ND10型声级计电路
采用MAX846构成的锂电池充电电路图
带有声光报警的实验稳压电源电路图
具有恒流负载的直流稳压电源
婴儿室自动调光器电路
电信专用来电显示芯片电路
过电流保护电路
红外遥控调光灯电路
可能感兴趣器件
R161.168.000
LTC2635-HMI12
PT7M6123CHC3E
240-0323-9PCF4K7-18M
LS1301-9ER
5827A
240-0323-15SPB4K7-18R
MIC5310-2.9/1.8YMLTR
46W-NKG5H-CG9
240-034-1-31SPCNU-.080
MF-S175SS-0
91614-411LF
D38999/20ZJ7PB-LC
PV1CPCA915J
5209285-9
93167-314HLF
72254-6445TA
HF30A060ACDPBF
GMR7590-25S5ESN513
BUS-63125-590
TFEEH8VT235AY
SSQ-140-23-G-T-RA
HR1206NPO123F10NT95
BD034-48-C-132-1-0630-N-E
WQFM1046340AB
442TA2T335BBC
337-1-016-0-F-XS1-0785
CY3764VP352-83NTXC
P1505K2433WGTB
0805CG331G101AM
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