|
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
/
What happens during discriminative fine-tuning
本课程为精品课,您可以登录eeworld继续观看:
What happens during discriminative fine-tuning
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:8分39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
请问有哪个厂家的板子上有海思hi3515的芯片
如题。。。。
雨泽佰佰
ARM技术
求IAR开发软件
本人菜鸟,想初学STM8 /STM32,苦于手头没有IAR 的开发软件,望各位大虾们能给予帮助,不甚感激。请联系QQ:610370608.
daichuandi
stm32/stm8
说说TI eZ430-Chronos改日期格式
转手表默认的显示日期格式是 日.月 ,看起来很不爽。晚上改了一下程序 ,改过来了。拆手表,费了一些劲,而且装上去之后按键就没有以前好使了。。。说一说怎么改程序吧。1 白色的是1.1版本,在1.1文件夹里,有个 CCS和IAR,结果两个文件夹里的例程是不一样的,我一直以为是相同的例程,不同的开发环境呢。在CCS文件夹里有个 SportWatch工程,打开这个工程,在 logic/data.c文件中
qwqwqw2088
微控制器 MCU
基于ID卡电量计费
我刚刚开始学C语言,老师就给了个课题我做关于ID卡的相关题目,但是我对这个一点都不会,有谁可以给我一条明路啊!谢谢了
mrmig
嵌入式系统
求filter wiz pro v5.26 注册机
如题:) :) :)
ch0721
模拟电子
linux下面qsort的用法
qsort如果做LINUX开发的人应该不陌生了,系统自带的快排函数,下面是对它的基本讲解和对一些数据结构来排序的具体事例应用,这些事例是可以很容易就应用到你的项目中去的。** 关于快排函数的一些说明 **qsort,包含在stdlib.h头文件里,函数一共四个参数,没返回值.一个典型的qsort的写法如下qsort(s,n,sizeof(s[0]),cmp);其中第一个参数是参与排序的数组名(或者
wanghongyang
Linux与安卓
推荐内容
热门视频
更多
智能拐杖
直播回放: 如何利用瑞萨电子的GreenPAK™平台优化混合信号电路设计
数字电路与系统设计
微机原理与系统设计
[高精度实验室] 运算放大器 : 16 全差分放大器
无刷电机教程
TI DLP®技术于3D 机器视觉与自动化光学检测之应用
SYS BIOS 简介(2) —— 定时器和时钟模块
Microchip开关稳压器产品线介绍
网络研讨会: 热监测和保护
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
MI-QC2VN-MSY
1110902
B1261A1SR
2CIS068-51TT
DTS20W25-20HD
6-147727-8
231218663602
1812Y1000270JCR
KL413DKXXA122N017
ECNT-10-24.000MA
IRFN350R4
OPB877N51
D38999/24W-H-36PB
76745-352-52LF
ROS-EDR4690+
MWDM5L-31GP-0K1-18K
TB200-30L5QC6
P4KE150CA
SEL3811A160.0000
VFHS85CL-TGR-FREQ-OUT24
CPF-210R1DT-9
HR1424990000.5
51AFD-C24-A25/A25L
MFR1WSBBDM101R
SIPM-2-78
FP65-3241-FB101
HG532288T22ILT
1206N182J500SH
QESM49H2150DO10163.990MHZ
SCM21C390FONI
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