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 16427 1 0 分享
资源(151) 时长( 08:44:45) 播放量(313329)
1-1 深度学习介绍 00:14:56 2111
1-3 典型的网络结构 00:16:40 2075
1-2 深度学习的核心思想 00:18:12 2089
1-4 应用概览 00:06:24 2005
2-1 数据科学简介 00:12:05 2046
2-4 过拟合 00:05:50 2011
2-5 模型选择 00:03:40 2110
2-3 无监督学习 00:03:22 2001
2-2 有监督学习 00:17:43 2035
3-1 神经网络与MLP 00:07:08 2027
3-3 反向传播算法 00:11:41 2107
3-4 计算图与自动求导 00:11:46 2013
3-2 神经元模型 00:10:35 2006
4-1 梯度 00:15:22 1969
4-2 动量法 00:03:32 1962
4-3 自适应学习率算法 00:06:10 1970
4-4 参数范数惩罚 00:11:24 2068
4-5 dropout 00:10:30 1964
4-6 参数初始化和参数调优 00:03:29 1941
5-1 CNN概述与基本原理 00:12:13 2091
5-2 典型CNN网络 00:17:07 1971
5-3 可视化卷积 00:04:52 1972
5-4 CNN在实际中的应用 00:14:15 2022
6-1 序列数据 00:05:18 2044
6-2 展开计算图 00:06:19 1941
6-3 RNN的设计模式 00:09:04 1969
6-4 RNN的反向传播 00:07:21 1972
6-5 各种RNN结构 00:12:58 1979
6-6 RNN的应用 00:07:59 1945
6-7 LSTM和GRU 00:17:14 1944
6-8 注意力机制 00:16:05 1949
7-1 生成模型 00:06:31 1938
7-2 基于能量的模型和玻尔兹曼机 00:05:36 1950
7-3 受限玻尔兹曼机和深度玻尔兹曼机 00:09:14 1958
7-4 自编码器和变分自编码器 00:14:08 1957
7-5 生成对抗网络 00:13:42 1955
7-6 DCGAN和WGAN 00:10:01 1949
7-7 CycleGAN 00:07:12 1953
8-1 强化学习概述 00:10:15 1968
8-5 Bellman方程 00:10:15 1966
8-7 DNQ 00:07:37 1971
8-4 MDP 00:10:45 2000
8-9 model-based 00:07:34 1963
8-6 Q-learning 00:06:17 1924
8-8 策略梯度和AC框架 00:10:23 1958
8-2 强化学习的基本元素 00:08:53 1974
8-3 值函数 00:06:13 1966
9-1 深度学习的硬件 00:14:58 2002
9-2 深度学习的框架 00:03:09 1937
9-3 Tensor操作和自动求导 00:07:27 1939
9-4 神经网络训练实例 00:11:49 1950
9-5 动态计算图和静态计算图 00:04:42 1977
9-6 数据集加载与转换 00:08:32 1957
9-7 预训练模型和总结 00:08:18 2019
1-1 深度学习介绍 / 1982
1-2 深度学习的核心思想 / 2069
1-3 典型的网络结构 / 1962
1-4 应用概览 / 2037
2-1 数据科学简介 / 2075
2-2 有监督学习 / 1947
2-3 无监督学习 / 1947
2-4 过拟合 / 1962
2-5 模型选择 / 1998
3-1 神经网络与MLP / 1971
3-3 反向传播算法 / 1924
3-2 神经元模型 / 1930
4-1 梯度 / 1978
3-4 计算图与自动求导 / 2044
4-2 动量法 / 2004
4-3 自适应学习率算法 / 2001
4-4 参数范数惩罚 / 1978
4-5 dropout / 2038
4-6 参数初始化和参数调优 / 1930
5-1 CNN概述与基本原理 / 2088
5-2 典型CNN网络 / 1951
5-3 可视化卷积 / 2070
5-4 CNN在实际中的应用 / 1944
6-1 序列数据 / 1948
6-2 展开计算图 / 2025
6-3 RNN的设计模式 / 2000
6-4 RNN的反向传播 / 1928
6-5 各种RNN结构 / 1928
6-6 RNN的应用 / 1943
6-7 LSTM和GRU / 1998
6-8 注意力机制 / 1937
7-1 生成模型 / 1954
7-2 基于能量的模型和玻尔兹曼机 / 1937
7-3 受限玻尔兹曼机和深度玻尔兹曼机 / 2041
7-4 自编码器和变分自编码器 / 2099
7-5 生成对抗网络 / 2028
7-6 DCGAN和WGAN / 1920
7-7 CycleGAN / 1924
8-1 强化学习概述 / 1926
8-2 强化学习的基本元素 / 1916
8-3 值函数 / 1921
8-4 MDP / 1935
8-5 Bellman方程 / 1921
8-6 Q-learning / 1910
8-7 DNQ / 1914
8-8 策略梯度和AC框架 / 1903
8-9 model-based / 1903
9-1 深度学习的硬件 / 2247
9-2 深度学习的框架 / 2208
9-3 Tensor操作和自动求导 / 1924
9-4 神经网络训练实例 / 1941
9-5 动态计算图和静态计算图 / 2022
9-6 数据集加载与转换 / 2229
9-7 预训练模型和总结 / 1993
讲义1-1 深度学习介绍 / 2018
讲义1-2 深度学习的核心思想 / 1972
讲义1-3 典型的网络结构 / 1969
讲义1-4 深度学习应用概览 / 1966
讲义2-1 数据科学简介 / 2009
讲义2-2 有监督学习 / 1972
讲义2-3 无监督学习 / 2007
讲义2-4 过拟合 / 1973
讲义2-5 模型选择 / 1958
讲义2-1 数据科学简介 / 1917
讲义3-1 神经网络与MLP / 1932
讲义3-2 神经元模型 / 2084
讲义3-3 反向传播算法 / 2096
讲义3-4 计算图与自动求导 / 2333
讲义4-2 动量法 / 1955
讲义4-3 自适应学习率算法 / 2085
讲义4-4 参数范数惩罚 / 1976
讲义4-1 梯度 / 1969
讲义4-5 Dropout / 1986
讲义4-5 Dropout / 1976
讲义5-1 CNN概述与基本原理 / 2043
讲义5-2 典型CNN网络 / 1960
讲义5-3 可视化卷积网络 / 1998
讲义6-1 循环序列模型 / 1943
讲义6-2 自然语言处理与词嵌入 / 1997
讲义6-3 序列模型和注意力机制 / 2034
讲义7-1 生成模型 / 1976
讲义7-2 基于能量的模型和玻尔兹曼机 / 2735
讲义7-3 受限玻尔兹曼机 / 2904
讲义7-4 自编码器和变分自编码器 / 2796
讲义7-5 生成对抗网络 / 2801
讲义7-6 DCGAN和WGAN / 2732
讲义7-7 CycleGAN原理以及代码全解析 / 2753
讲义8-1 强化学习概述 / 2926
讲义8-2 强化学习求解方法 / 2803
讲义8-3 强化学习算法分类 / 2792
讲义8-4 强化学习的代表性算法 / 2761
讲义8-5 强化学习应用 / 2784
讲义9-1 深度学习的软硬件 / 2790
讲义9-2 深度学习的框架 / 2750
讲义9-3 Tensor操作和自动求导 / 2758
讲义9-4 动态计算图和静态计算图 / 2728
讲义9-5 编写自定义数据集，数据加载器和转换 / 2719
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