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 15686 1 0 分享
资源(151) 时长( 08:44:45) 播放量(299951)
1-1 深度学习介绍 00:14:56 2019
1-3 典型的网络结构 00:16:40 1978
1-2 深度学习的核心思想 00:18:12 1991
1-4 应用概览 00:06:24 1911
2-1 数据科学简介 00:12:05 1953
2-4 过拟合 00:05:50 1918
2-5 模型选择 00:03:40 2019
2-3 无监督学习 00:03:22 1909
2-2 有监督学习 00:17:43 1939
3-1 神经网络与MLP 00:07:08 1937
3-3 反向传播算法 00:11:41 2014
3-4 计算图与自动求导 00:11:46 1920
3-2 神经元模型 00:10:35 1912
4-1 梯度 00:15:22 1880
4-2 动量法 00:03:32 1876
4-3 自适应学习率算法 00:06:10 1882
4-4 参数范数惩罚 00:11:24 1979
4-5 dropout 00:10:30 1877
4-6 参数初始化和参数调优 00:03:29 1853
5-1 CNN概述与基本原理 00:12:13 2001
5-2 典型CNN网络 00:17:07 1878
5-3 可视化卷积 00:04:52 1878
5-4 CNN在实际中的应用 00:14:15 1931
6-1 序列数据 00:05:18 1954
6-2 展开计算图 00:06:19 1849
6-3 RNN的设计模式 00:09:04 1875
6-4 RNN的反向传播 00:07:21 1881
6-5 各种RNN结构 00:12:58 1890
6-6 RNN的应用 00:07:59 1855
6-7 LSTM和GRU 00:17:14 1855
6-8 注意力机制 00:16:05 1862
7-1 生成模型 00:06:31 1850
7-2 基于能量的模型和玻尔兹曼机 00:05:36 1863
7-3 受限玻尔兹曼机和深度玻尔兹曼机 00:09:14 1868
7-4 自编码器和变分自编码器 00:14:08 1866
7-5 生成对抗网络 00:13:42 1865
7-6 DCGAN和WGAN 00:10:01 1857
7-7 CycleGAN 00:07:12 1868
8-1 强化学习概述 00:10:15 1878
8-5 Bellman方程 00:10:15 1879
8-7 DNQ 00:07:37 1883
8-4 MDP 00:10:45 1913
8-9 model-based 00:07:34 1878
8-6 Q-learning 00:06:17 1841
8-8 策略梯度和AC框架 00:10:23 1872
8-2 强化学习的基本元素 00:08:53 1886
8-3 值函数 00:06:13 1878
9-1 深度学习的硬件 00:14:58 1919
9-2 深度学习的框架 00:03:09 1850
9-3 Tensor操作和自动求导 00:07:27 1849
9-4 神经网络训练实例 00:11:49 1862
9-5 动态计算图和静态计算图 00:04:42 1891
9-6 数据集加载与转换 00:08:32 1875
9-7 预训练模型和总结 00:08:18 1934
1-1 深度学习介绍 / 1890
1-2 深度学习的核心思想 / 1980
1-3 典型的网络结构 / 1873
1-4 应用概览 / 1950
2-1 数据科学简介 / 1983
2-2 有监督学习 / 1860
2-3 无监督学习 / 1861
2-4 过拟合 / 1877
2-5 模型选择 / 1913
3-1 神经网络与MLP / 1879
3-3 反向传播算法 / 1837
3-2 神经元模型 / 1845
4-1 梯度 / 1885
3-4 计算图与自动求导 / 1957
4-2 动量法 / 1921
4-3 自适应学习率算法 / 1914
4-4 参数范数惩罚 / 1894
4-5 dropout / 1950
4-6 参数初始化和参数调优 / 1846
5-1 CNN概述与基本原理 / 2001
5-2 典型CNN网络 / 1866
5-3 可视化卷积 / 1988
5-4 CNN在实际中的应用 / 1859
6-1 序列数据 / 1866
6-2 展开计算图 / 1941
6-3 RNN的设计模式 / 1915
6-4 RNN的反向传播 / 1843
6-5 各种RNN结构 / 1845
6-6 RNN的应用 / 1860
6-7 LSTM和GRU / 1916
6-8 注意力机制 / 1854
7-1 生成模型 / 1867
7-2 基于能量的模型和玻尔兹曼机 / 1852
7-3 受限玻尔兹曼机和深度玻尔兹曼机 / 1954
7-4 自编码器和变分自编码器 / 2017
7-5 生成对抗网络 / 1946
7-6 DCGAN和WGAN / 1837
7-7 CycleGAN / 1841
8-1 强化学习概述 / 1837
8-2 强化学习的基本元素 / 1832
8-3 值函数 / 1840
8-4 MDP / 1856
8-5 Bellman方程 / 1841
8-6 Q-learning / 1828
8-7 DNQ / 1833
8-8 策略梯度和AC框架 / 1824
8-9 model-based / 1824
9-1 深度学习的硬件 / 2161
9-2 深度学习的框架 / 2127
9-3 Tensor操作和自动求导 / 1843
9-4 神经网络训练实例 / 1860
9-5 动态计算图和静态计算图 / 1941
9-6 数据集加载与转换 / 2143
9-7 预训练模型和总结 / 1908
讲义1-1 深度学习介绍 / 1930
讲义1-2 深度学习的核心思想 / 1887
讲义1-3 典型的网络结构 / 1881
讲义1-4 深度学习应用概览 / 1879
讲义2-1 数据科学简介 / 1929
讲义2-2 有监督学习 / 1888
讲义2-3 无监督学习 / 1923
讲义2-4 过拟合 / 1888
讲义2-5 模型选择 / 1872
讲义2-1 数据科学简介 / 1838
讲义3-1 神经网络与MLP / 1851
讲义3-2 神经元模型 / 2001
讲义3-3 反向传播算法 / 2012
讲义3-4 计算图与自动求导 / 2247
讲义4-2 动量法 / 1870
讲义4-3 自适应学习率算法 / 2002
讲义4-4 参数范数惩罚 / 1895
讲义4-1 梯度 / 1883
讲义4-5 Dropout / 1903
讲义4-5 Dropout / 1897
讲义5-1 CNN概述与基本原理 / 1959
讲义5-2 典型CNN网络 / 1875
讲义5-3 可视化卷积网络 / 1913
讲义6-1 循环序列模型 / 1857
讲义6-2 自然语言处理与词嵌入 / 1913
讲义6-3 序列模型和注意力机制 / 1949
讲义7-1 生成模型 / 1892
讲义7-2 基于能量的模型和玻尔兹曼机 / 2628
讲义7-3 受限玻尔兹曼机 / 2797
讲义7-4 自编码器和变分自编码器 / 2688
讲义7-5 生成对抗网络 / 2695
讲义7-6 DCGAN和WGAN / 2626
讲义7-7 CycleGAN原理以及代码全解析 / 2644
讲义8-1 强化学习概述 / 2819
讲义8-2 强化学习求解方法 / 2697
讲义8-3 强化学习算法分类 / 2686
讲义8-4 强化学习的代表性算法 / 2654
讲义8-5 强化学习应用 / 2679
讲义9-1 深度学习的软硬件 / 2685
讲义9-2 深度学习的框架 / 2644
讲义9-3 Tensor操作和自动求导 / 2654
讲义9-4 动态计算图和静态计算图 / 2624
讲义9-5 编写自定义数据集，数据加载器和转换 / 2615
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