1. 首页
  2. 神经网络与深度学习
神经网络与深度学习 扫码继续查看
共151个素材 17530 1 0 分享
资源(151) 时长( 08:44:45) 播放量(332030)
1-1 深度学习介绍 00:14:56 2230
1-3 典型的网络结构 00:16:40 2196
1-2 深度学习的核心思想 00:18:12 2212
1-4 应用概览 00:06:24 2120
2-1 数据科学简介 00:12:05 2168
2-4 过拟合 00:05:50 2133
2-5 模型选择 00:03:40 2232
2-3 无监督学习 00:03:22 2123
2-2 有监督学习 00:17:43 2157
3-1 神经网络与MLP 00:07:08 2145
3-3 反向传播算法 00:11:41 2226
3-4 计算图与自动求导 00:11:46 2134
3-2 神经元模型 00:10:35 2125
4-1 梯度 00:15:22 2087
4-2 动量法 00:03:32 2081
4-3 自适应学习率算法 00:06:10 2090
4-4 参数范数惩罚 00:11:24 2186
4-5 dropout 00:10:30 2077
4-6 参数初始化和参数调优 00:03:29 2057
5-1 CNN概述与基本原理 00:12:13 2210
5-2 典型CNN网络 00:17:07 2090
5-3 可视化卷积 00:04:52 2090
5-4 CNN在实际中的应用 00:14:15 2142
6-1 序列数据 00:05:18 2164
6-2 展开计算图 00:06:19 2057
6-3 RNN的设计模式 00:09:04 2084
6-4 RNN的反向传播 00:07:21 2088
6-5 各种RNN结构 00:12:58 2095
6-6 RNN的应用 00:07:59 2063
6-7 LSTM和GRU 00:17:14 2060
6-8 注意力机制 00:16:05 2070
7-1 生成模型 00:06:31 2054
7-2 基于能量的模型和玻尔兹曼机 00:05:36 2067
7-3 受限玻尔兹曼机和深度玻尔兹曼机 00:09:14 2074
7-4 自编码器和变分自编码器 00:14:08 2073
7-5 生成对抗网络 00:13:42 2072
7-6 DCGAN和WGAN 00:10:01 2066
7-7 CycleGAN 00:07:12 2069
8-1 强化学习概述 00:10:15 2086
8-5 Bellman方程 00:10:15 2087
8-7 DNQ 00:07:37 2093
8-4 MDP 00:10:45 2117
8-9 model-based 00:07:34 2085
8-6 Q-learning 00:06:17 2044
8-8 策略梯度和AC框架 00:10:23 2080
8-2 强化学习的基本元素 00:08:53 2098
8-3 值函数 00:06:13 2085
9-1 深度学习的硬件 00:14:58 2118
9-2 深度学习的框架 00:03:09 2053
9-3 Tensor操作和自动求导 00:07:27 2057
9-4 神经网络训练实例 00:11:49 2068
9-5 动态计算图和静态计算图 00:04:42 2097
9-6 数据集加载与转换 00:08:32 2076
9-7 预训练模型和总结 00:08:18 2135
1-1 深度学习介绍 / 2106
1-2 深度学习的核心思想 / 2184
1-3 典型的网络结构 / 2080
1-4 应用概览 / 2154
2-1 数据科学简介 / 2192
2-2 有监督学习 / 2064
2-3 无监督学习 / 2064
2-4 过拟合 / 2080
2-5 模型选择 / 2118
3-1 神经网络与MLP / 2088
3-3 反向传播算法 / 2045
3-2 神经元模型 / 2047
4-1 梯度 / 2094
3-4 计算图与自动求导 / 2162
4-2 动量法 / 2128
4-3 自适应学习率算法 / 2120
4-4 参数范数惩罚 / 2097
4-5 dropout / 2157
4-6 参数初始化和参数调优 / 2048
5-1 CNN概述与基本原理 / 2202
5-2 典型CNN网络 / 2070
5-3 可视化卷积 / 2185
5-4 CNN在实际中的应用 / 2061
6-1 序列数据 / 2062
6-2 展开计算图 / 2137
6-3 RNN的设计模式 / 2113
6-4 RNN的反向传播 / 2045
6-5 各种RNN结构 / 2042
6-6 RNN的应用 / 2055
6-7 LSTM和GRU / 2111
6-8 注意力机制 / 2052
7-1 生成模型 / 2070
7-2 基于能量的模型和玻尔兹曼机 / 2051
7-3 受限玻尔兹曼机和深度玻尔兹曼机 / 2161
7-4 自编码器和变分自编码器 / 2214
7-5 生成对抗网络 / 2142
7-6 DCGAN和WGAN / 2034
7-7 CycleGAN / 2038
8-1 强化学习概述 / 2040
8-2 强化学习的基本元素 / 2030
8-3 值函数 / 2039
8-4 MDP / 2052
8-5 Bellman方程 / 2035
8-6 Q-learning / 2029
8-7 DNQ / 2030
8-8 策略梯度和AC框架 / 2019
8-9 model-based / 2021
9-1 深度学习的硬件 / 2362
9-2 深度学习的框架 / 2326
9-3 Tensor操作和自动求导 / 2041
9-4 神经网络训练实例 / 2059
9-5 动态计算图和静态计算图 / 2142
9-6 数据集加载与转换 / 2345
9-7 预训练模型和总结 / 2113
讲义1-1 深度学习介绍 / 2139
讲义1-2 深度学习的核心思想 / 2097
讲义1-3 典型的网络结构 / 2087
讲义1-4 深度学习应用概览 / 2087
讲义2-1 数据科学简介 / 2127
讲义2-2 有监督学习 / 2093
讲义2-3 无监督学习 / 2129
讲义2-4 过拟合 / 2093
讲义2-5 模型选择 / 2076
讲义2-1 数据科学简介 / 2041
讲义3-1 神经网络与MLP / 2046
讲义3-2 神经元模型 / 2198
讲义3-3 反向传播算法 / 2213
讲义3-4 计算图与自动求导 / 2449
讲义4-2 动量法 / 2069
讲义4-3 自适应学习率算法 / 2205
讲义4-4 参数范数惩罚 / 2090
讲义4-1 梯度 / 2086
讲义4-5 Dropout / 2104
讲义4-5 Dropout / 2092
讲义5-1 CNN概述与基本原理 / 2160
讲义5-2 典型CNN网络 / 2077
讲义5-3 可视化卷积网络 / 2117
讲义6-1 循环序列模型 / 2059
讲义6-2 自然语言处理与词嵌入 / 2115
讲义6-3 序列模型和注意力机制 / 2148
讲义7-1 生成模型 / 2094
讲义7-2 基于能量的模型和玻尔兹曼机 / 2910
讲义7-3 受限玻尔兹曼机 / 3078
讲义7-4 自编码器和变分自编码器 / 2971
讲义7-5 生成对抗网络 / 2972
讲义7-6 DCGAN和WGAN / 2905
讲义7-7 CycleGAN原理以及代码全解析 / 2922
讲义8-1 强化学习概述 / 3105
讲义8-2 强化学习求解方法 / 2978
讲义8-3 强化学习算法分类 / 2969
讲义8-4 强化学习的代表性算法 / 2936
讲义8-5 强化学习应用 / 2959
讲义9-1 深度学习的软硬件 / 2968
讲义9-2 深度学习的框架 / 2925
讲义9-3 Tensor操作和自动求导 / 2937
讲义9-4 动态计算图和静态计算图 / 2905
讲义9-5 编写自定义数据集，数据加载器和转换 / 2897
创建者
wuqiang

上传：222份资源

创建：3个课程

暂无

更多
详细信息
所属分类：

江开本科 - 人工智能（本科）

人群： 青少年

知识体系： 信息技术 - 工学

主持人： 吴强
主讲老师： 朱占星
版权归属： 江苏开放大学版权
项目编码：
关键词
神经网络 深度学习 人工智能
  • 创建于：2021-08-27
  • 最近更新：2021-08-27