面向机器学习的神经网络byHinton
本课程共27集 翻译完 欢迎学习
课程介绍:为了让广大AI青年们快速进入学习状态,雷锋网旗下“AI研习社”推出了深度学习大牛Geoffrey Hinton的中文系列视频课程。
课程列表
【第0集】1.5 机器学习算法的三大类 译
【第0集】1.1 为什么我们需要机器学习 译
【第0集】1.2 神经网络机制中的脑科学原理 译
【第0集】1.3 简单的神经元模型 译
【第0集】1.4 ANN的MNIST学习范例 译
【第0集】2.1 神经网络架构介绍 译
【第0集】2.2 感知器 译
【第0集】2.3 感知器的几何空间解析 译
【第0集】2.4 感知器的原理透析 译
【第0集】2.5 感知器的局限性 译
【第0集】3.1 线性神经元的权值收敛 译
【第0集】3.3 逻辑神经元的学习规则 译
【第0集】3.4 反向传播算法解析(一) 译
【第0集】3.5 反向传播算法解析(二) 译
【第0集】4.1 学习预测词 译
【第0集】4.2 初识神经认知学 译
【第0集】4.3 Softmax输出函数 译
【第0集】4.4 语音识别模型 译
【第0集】5.1 视觉识别的难点 译
【第0集】5.2 如何达到视觉不变性 译
【第0集】5.3 应用于数字识别的卷积网络 译
【第0集】6.1 小批量梯度下降法概览 译
【第0集】6.2 小批量梯度下降法的一些技巧 译
【第0集】6.3 动量方法 译
【第0集】6.4针对网络中每个连接的自适应学习步长 译
查看全部课程
相关推荐