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 16416 1 0 分享
资源(151) 时长( 08:44:45) 播放量(313104)
1-1 深度学习介绍 00:14:56 2110
1-3 典型的网络结构 00:16:40 2074
1-2 深度学习的核心思想 00:18:12 2087
1-4 应用概览 00:06:24 2003
2-1 数据科学简介 00:12:05 2045
2-4 过拟合 00:05:50 2010
2-5 模型选择 00:03:40 2109
2-3 无监督学习 00:03:22 2000
2-2 有监督学习 00:17:43 2034
3-1 神经网络与MLP 00:07:08 2026
3-3 反向传播算法 00:11:41 2106
3-4 计算图与自动求导 00:11:46 2012
3-2 神经元模型 00:10:35 2005
4-1 梯度 00:15:22 1968
4-2 动量法 00:03:32 1961
4-3 自适应学习率算法 00:06:10 1969
4-4 参数范数惩罚 00:11:24 2066
4-5 dropout 00:10:30 1963
4-6 参数初始化和参数调优 00:03:29 1939
5-1 CNN概述与基本原理 00:12:13 2090
5-2 典型CNN网络 00:17:07 1969
5-3 可视化卷积 00:04:52 1970
5-4 CNN在实际中的应用 00:14:15 2021
6-1 序列数据 00:05:18 2043
6-2 展开计算图 00:06:19 1940
6-3 RNN的设计模式 00:09:04 1967
6-4 RNN的反向传播 00:07:21 1970
6-5 各种RNN结构 00:12:58 1978
6-6 RNN的应用 00:07:59 1943
6-7 LSTM和GRU 00:17:14 1943
6-8 注意力机制 00:16:05 1948
7-1 生成模型 00:06:31 1935
7-2 基于能量的模型和玻尔兹曼机 00:05:36 1949
7-3 受限玻尔兹曼机和深度玻尔兹曼机 00:09:14 1957
7-4 自编码器和变分自编码器 00:14:08 1956
7-5 生成对抗网络 00:13:42 1954
7-6 DCGAN和WGAN 00:10:01 1948
7-7 CycleGAN 00:07:12 1952
8-1 强化学习概述 00:10:15 1967
8-5 Bellman方程 00:10:15 1965
8-7 DNQ 00:07:37 1969
8-4 MDP 00:10:45 1999
8-9 model-based 00:07:34 1961
8-6 Q-learning 00:06:17 1923
8-8 策略梯度和AC框架 00:10:23 1957
8-2 强化学习的基本元素 00:08:53 1973
8-3 值函数 00:06:13 1965
9-1 深度学习的硬件 00:14:58 2001
9-2 深度学习的框架 00:03:09 1936
9-3 Tensor操作和自动求导 00:07:27 1938
9-4 神经网络训练实例 00:11:49 1949
9-5 动态计算图和静态计算图 00:04:42 1976
9-6 数据集加载与转换 00:08:32 1956
9-7 预训练模型和总结 00:08:18 2017
1-1 深度学习介绍 / 1980
1-2 深度学习的核心思想 / 2065
1-3 典型的网络结构 / 1959
1-4 应用概览 / 2034
2-1 数据科学简介 / 2074
2-2 有监督学习 / 1946
2-3 无监督学习 / 1946
2-4 过拟合 / 1961
2-5 模型选择 / 1997
3-1 神经网络与MLP / 1969
3-3 反向传播算法 / 1921
3-2 神经元模型 / 1929
4-1 梯度 / 1976
3-4 计算图与自动求导 / 2042
4-2 动量法 / 2003
4-3 自适应学习率算法 / 2000
4-4 参数范数惩罚 / 1977
4-5 dropout / 2036
4-6 参数初始化和参数调优 / 1929
5-1 CNN概述与基本原理 / 2087
5-2 典型CNN网络 / 1950
5-3 可视化卷积 / 2069
5-4 CNN在实际中的应用 / 1941
6-1 序列数据 / 1947
6-2 展开计算图 / 2023
6-3 RNN的设计模式 / 1999
6-4 RNN的反向传播 / 1926
6-5 各种RNN结构 / 1925
6-6 RNN的应用 / 1942
6-7 LSTM和GRU / 1996
6-8 注意力机制 / 1935
7-1 生成模型 / 1952
7-2 基于能量的模型和玻尔兹曼机 / 1935
7-3 受限玻尔兹曼机和深度玻尔兹曼机 / 2039
7-4 自编码器和变分自编码器 / 2096
7-5 生成对抗网络 / 2027
7-6 DCGAN和WGAN / 1918
7-7 CycleGAN / 1922
8-1 强化学习概述 / 1924
8-2 强化学习的基本元素 / 1914
8-3 值函数 / 1920
8-4 MDP / 1934
8-5 Bellman方程 / 1920
8-6 Q-learning / 1908
8-7 DNQ / 1912
8-8 策略梯度和AC框架 / 1902
8-9 model-based / 1902
9-1 深度学习的硬件 / 2245
9-2 深度学习的框架 / 2207
9-3 Tensor操作和自动求导 / 1923
9-4 神经网络训练实例 / 1940
9-5 动态计算图和静态计算图 / 2021
9-6 数据集加载与转换 / 2227
9-7 预训练模型和总结 / 1990
讲义1-1 深度学习介绍 / 2016
讲义1-2 深度学习的核心思想 / 1971
讲义1-3 典型的网络结构 / 1968
讲义1-4 深度学习应用概览 / 1965
讲义2-1 数据科学简介 / 2007
讲义2-2 有监督学习 / 1971
讲义2-3 无监督学习 / 2005
讲义2-4 过拟合 / 1971
讲义2-5 模型选择 / 1956
讲义2-1 数据科学简介 / 1916
讲义3-1 神经网络与MLP / 1929
讲义3-2 神经元模型 / 2082
讲义3-3 反向传播算法 / 2095
讲义3-4 计算图与自动求导 / 2331
讲义4-2 动量法 / 1954
讲义4-3 自适应学习率算法 / 2084
讲义4-4 参数范数惩罚 / 1975
讲义4-1 梯度 / 1968
讲义4-5 Dropout / 1985
讲义4-5 Dropout / 1975
讲义5-1 CNN概述与基本原理 / 2041
讲义5-2 典型CNN网络 / 1958
讲义5-3 可视化卷积网络 / 1997
讲义6-1 循环序列模型 / 1942
讲义6-2 自然语言处理与词嵌入 / 1996
讲义6-3 序列模型和注意力机制 / 2032
讲义7-1 生成模型 / 1974
讲义7-2 基于能量的模型和玻尔兹曼机 / 2734
讲义7-3 受限玻尔兹曼机 / 2903
讲义7-4 自编码器和变分自编码器 / 2794
讲义7-5 生成对抗网络 / 2799
讲义7-6 DCGAN和WGAN / 2730
讲义7-7 CycleGAN原理以及代码全解析 / 2751
讲义8-1 强化学习概述 / 2924
讲义8-2 强化学习求解方法 / 2800
讲义8-3 强化学习算法分类 / 2790
讲义8-4 强化学习的代表性算法 / 2759
讲义8-5 强化学习应用 / 2783
讲义9-1 深度学习的软硬件 / 2788
讲义9-2 深度学习的框架 / 2749
讲义9-3 Tensor操作和自动求导 / 2757
讲义9-4 动态计算图和静态计算图 / 2727
讲义9-5 编写自定义数据集，数据加载器和转换 / 2718
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