已购课程
个人中心
内容中心
关注我们
APP下载
反馈
8.3 循环神经网络(RNN) （上）
1361 播放
收藏
下载
手机看
登录后可发评论

评论沙发是我的～

热门评论(0)
    全部评论(0)
      选集(91)
      自动播放
      [1] 1.1 课程综述1（上）
      5172播放
      05:34
      1.1 课程综述1（上）
      [2] 1.1 课程综述1（下）
      1811播放
      05:38
      1.1 课程综述1（下）
      [3] 1.2 课程综述2
      2030播放
      09:36
      1.2 课程综述2
      [4] 1.3 基本内容
      1878播放
      09:49
      1.3 基本内容
      [5] 1.3 基本内容（上）
      1699播放
      06:01
      1.3 基本内容（上）
      [6] 1.3 基本内容（下）
      1507播放
      05:58
      1.3 基本内容（下）
      [7] 1.4 多元统计基础
      2399播放
      09:12
      1.4 多元统计基础
      [8] 1.4 多元统计基础（上）
      1220播放
      05:26
      1.4 多元统计基础（上）
      [9] 1.4 多元统计基础（下）
      1192播放
      05:26
      1.4 多元统计基础（下）
      [10] 2.1 数据清洗（上）
      2076播放
      05:59
      2.1 数据清洗（上）
      [11] 2.1 数据清洗（下）
      1138播放
      06:02
      2.1 数据清洗（下）
      [12] 2.2 数据预处理与特征提取（上）
      1367播放
      05:09
      2.2 数据预处理与特征提取（上）
      [13] 2.2 数据预处理与特征提取（下）
      1652播放
      05:05
      2.2 数据预处理与特征提取（下）
      [14] 2.3 主成分分析1（上）
      1985播放
      06:55
      2.3 主成分分析1（上）
      [15] 2.3 主成分分析1（下）
      1346播放
      06:57
      2.3 主成分分析1（下）
      [16] 2.4 主成分分析2（上）
      1718播放
      06:23
      2.4 主成分分析2（上）
      [17] 2.4 主成分分析2（下）
      1063播放
      06:22
      2.4 主成分分析2（下）
      [18] 2.5 应用实例（上）
      1619播放
      05:52
      2.5 应用实例（上）
      [19] 2.5 应用实例（下）
      1750播放
      05:53
      2.5 应用实例（下）
      [20] 3.1 基本原理（上）
      938播放
      05:51
      3.1 基本原理（上）
      [21] 3.1 基本原理（下）
      1017播放
      05:51
      3.1 基本原理（下）
      [22] 3.2 距离判别（上）
      1480播放
      05:53
      3.2 距离判别（上）
      [23] 3.2 距离判别（下）
      993播放
      05:56
      3.2 距离判别（下）
      [24] 3.3 fisher判别（上）
      1786播放
      06:20
      3.3 fisher判别（上）
      [25] 3.3 fisher判别（下）
      1553播放
      06:24
      3.3 fisher判别（下）
      [26] 3.4 贝叶斯判别（上）
      901播放
      08:34
      3.4 贝叶斯判别（上）
      [27] 3.4 贝叶斯判别（下）
      1470播放
      08:33
      3.4 贝叶斯判别（下）
      [28] 3.5 SVM(1)（上）
      998播放
      06:31
      3.5 SVM(1)（上）
      [29] 3.5 SVM(1)（下）
      1423播放
      06:37
      3.5 SVM(1)（下）
      [30] 3.6 SVM(2)（上）
      886播放
      06:53
      3.6 SVM(2)（上）
      [31] 3.6 SVM(2)（下）
      644播放
      06:55
      3.6 SVM(2)（下）
      [32] 4.1 基本概念（上）
      1547播放
      05:46
      4.1 基本概念（上）
      [33] 4.1 基本概念（下）
      1497播放
      05:49
      4.1 基本概念（下）
      [34] 4.2 最小二乘回归（上）
      1467播放
      06:24
      4.2 最小二乘回归（上）
      [35] 4.2 最小二乘回归（下）
      1103播放
      06:26
      4.2 最小二乘回归（下）
      [36] 4.3 岭回归（上）
      1694播放
      06:50
      4.3 岭回归（上）
      [37] 4.3 岭回归（下）
      744播放
      06:53
      4.3 岭回归（下）
      [38] 4.4 主元回归（上）
      888播放
      06:44
      4.4 主元回归（上）
      [39] 4.4 主元回归（下）
      931播放
      06:43
      4.4 主元回归（下）
      [40] 4.5 偏最小二乘（上）
      1488播放
      11:21
      4.5 偏最小二乘（上）
      [41] 4.5 偏最小二乘（下）
      1517播放
      11:27
      4.5 偏最小二乘（下）
      [42] 5.1 基本思想（上）
      1502播放
      05:35
      5.1 基本思想（上）
      [43] 5.1 基本思想（下）
      991播放
      05:33
      5.1 基本思想（下）
      [44] 5.2 相似性度量（上）
      1415播放
      06:00
      5.2 相似性度量（上）
      [45] 5.2 相似性度量（下）
      1317播放
      05:56
      5.2 相似性度量（下）
      [46] 5.3 K-means聚类算法（上...
      1202播放
      06:11
      5.3 K-means聚类算法（上）
      [47] 5.3 K-means聚类算法（下...
      635播放
      06:15
      5.3 K-means聚类算法（下）
      [48] 5.4 高斯混合模型（上）
      771播放
      06:43
      5.4 高斯混合模型（上）
      [49] 5.4 高斯混合模型（下）
      1192播放
      06:41
      5.4 高斯混合模型（下）
      [50] 6.1 基本内容（上）
      1352播放
      05:47
      6.1 基本内容（上）
      [51] 6.1 基本内容（下）
      682播放
      05:46
      6.1 基本内容（下）
      [52] 6.2 决策树算法（上）
      1938播放
      05:56
      6.2 决策树算法（上）
      [53] 6.2 决策树算法（下）
      1309播放
      06:01
      6.2 决策树算法（下）
      [54] 6.3 随机森林（上）
      1757播放
      06:56
      6.3 随机森林（上）
      [55] 6.3 随机森林（下）
      1346播放
      07:04
      6.3 随机森林（下）
      [56] 6.4 实例应用（上）
      755播放
      07:17
      6.4 实例应用（上）
      [57] 6.4 实例应用（下）
      811播放
      07:13
      6.4 实例应用（下）
      [58] 7.1 基本概念 （上）
      1550播放
      05:53
      7.1 基本概念 （上）
      [59] 7.1 基本概念 （下）
      700播放
      05:51
      7.1 基本概念 （下）
      [60] 7.2 CCA算法介绍 （上）
      1008播放
      05:49
      7.2 CCA算法介绍 （上）
      [61] 7.2 CCA算法介绍 （下）
      1213播放
      05:53
      7.2 CCA算法介绍 （下）
      [62] 7.3 CCA算法拓展 （上）
      1320播放
      06:39
      7.3 CCA算法拓展 （上）
      [63] 7.3 CCA算法拓展 （下）
      1297播放
      06:38
      7.3 CCA算法拓展 （下）
      [64] 7.4 案例分析 （上）
      1504播放
      05:22
      7.4 案例分析 （上）
      [65] 7.4 案例分析 （下）
      1242播放
      05:18
      7.4 案例分析 （下）
      [66] 8.1 基本概念与结构发展 （上）
      1145播放
      07:20
      8.1 基本概念与结构发展 （上）
      [67] 8.1 基本概念与结构发展 （下）
      1162播放
      07:17
      8.1 基本概念与结构发展 （下）
      [68] 8.2 卷积神经网络(CNN) （...
      1479播放
      05:48
      8.2 卷积神经网络(CNN) （上）
      [69] 8.2 卷积神经网络(CNN) （...
      1254播放
      05:50
      8.2 卷积神经网络(CNN) （下）
      [70] 8.3 循环神经网络(RNN) （...
      1361播放
      待播放
      8.3 循环神经网络(RNN) （上）
      [71] 8.3 循环神经网络(RNN) （...
      552播放
      06:37
      8.3 循环神经网络(RNN) （下）
      [72] 8.4 应用实例 （上）
      867播放
      05:52
      8.4 应用实例 （上）
      [73] 8.4 应用实例 （下）
      1267播放
      05:51
      8.4 应用实例 （下）
      [74] 9.1 自编码器简介（上）
      1453播放
      06:10
      9.1 自编码器简介（上）
      [75] 9.1 自编码器简介（下）
      962播放
      06:07
      9.1 自编码器简介（下）
      [76] 9.2 去噪自编器（上）
      610播放
      06:19
      9.2 去噪自编器（上）
      [77] 9.2 去噪自编器（下）
      1145播放
      06:17
      9.2 去噪自编器（下）
      [78] 9.3 稀疏自编码器（上）
      1079播放
      06:01
      9.3 稀疏自编码器（上）
      [79] 9.3 稀疏自编码器（下）
      1130播放
      06:01
      9.3 稀疏自编码器（下）
      [80] 9.4 变分自编码器（上）
      901播放
      05:49
      9.4 变分自编码器（上）
      [81] 9.4 变分自编码器（下）
      905播放
      05:55
      9.4 变分自编码器（下）
      [82] 10.1 二手车交易价格预测（上）
      1651播放
      05:56
      10.1 二手车交易价格预测（上）
      [83] 10.1 二手车交易价格预测（下）
      1464播放
      05:59
      10.1 二手车交易价格预测（下）
      [84] 10.2 糖尿病的血糖预测（上）
      1161播放
      05:19
      10.2 糖尿病的血糖预测（上）
      [85] 10.2 糖尿病的血糖预测（下）
      1446播放
      05:17
      10.2 糖尿病的血糖预测（下）
      [86] 10.3 工业蒸汽量预测（上）
      1575播放
      05:35
      10.3 工业蒸汽量预测（上）
      [87] 10.3 工业蒸汽量预测（下）
      1537播放
      05:37
      10.3 工业蒸汽量预测（下）
      [88] 10.4 双盲降噪自编码器实现降噪...
      666播放
      06:04
      10.4 双盲降噪自编码器实现降噪（上）
      [89] 10.4 双盲降噪自编码器实现降噪...
      1518播放
      06:03
      10.4 双盲降噪自编码器实现降噪（下）
      [90] 10.5 心电数据分析（上）
      1264播放
      06:40
      10.5 心电数据分析（上）
      [91] 10.5 心电数据分析（下）
      937播放
      06:44
      10.5 心电数据分析（下）
      为你推荐
      40:37
      第3课 神经网络实现机器翻译（上）
      1305播放
      第3课 神经网络实现机器翻译（上）
      08:02
      5.4构建RNN模型-part3（...
      825播放
      5.4构建RNN模型-part3（下）
      25:37
      Lecture 4- 神经网络（中...
      1448播放
      Lecture 4- 神经网络（中）
      00:50
      我真是服了你们这帮网友，这么神经的...
      855播放
      我真是服了你们这帮网友，这么神经的问题都被你们找出来了？
      04:03
      《纽约大学ITP：艺术家的机器学习...
      1434播放
      《纽约大学ITP：艺术家的机器学习》： 卷积神经网络看到了什么
      06:20
      [1]--无意注意的神经机制（下）
      1118播放
      [1]--无意注意的神经机制（下）
      08:32
      24.1_9.1 卷积神经网络(P...
      1960播放
      24.1_9.1 卷积神经网络(P24)（下）
      04:06
      【谷歌机器学习速成课程】多类别神经...
      1106播放
      【谷歌机器学习速成课程】多类别神经网络
      05:27
      3.2神经网络及其应用
      850播放
      3.2神经网络及其应用
      05:47
      [5.3.1]--双向循环神经网络...
      840播放
      [5.3.1]--双向循环神经网络和注意力机制
      08:23
      [9.1.1]--9.1小脑的结构...
      1130播放
      [9.1.1]--9.1小脑的结构与功能（下）
      02:39
      广大片友请进！阅“片”无数后，大脑...
      2126播放
      广大片友请进！阅“片”无数后，大脑会发生什么变化？
      12:31
      20.3 RNN lstm (re...
      938播放
      20.3 RNN lstm (regression 回归例子)（上）
      02:55
      理解大脑：神经元如何连接并形成我们...
      1854播放
      理解大脑：神经元如何连接并形成我们的思维

      增值电信业务经营许可证 粤B2-20090191

      工业和信息化部备案管理系统网站 粤B2-20090191-18