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 15712 1 0 分享
资源(151) 时长( 08:44:45) 播放量(300399)
1-1 深度学习介绍 00:14:56 2025
1-3 典型的网络结构 00:16:40 1982
1-2 深度学习的核心思想 00:18:12 1996
1-4 应用概览 00:06:24 1915
2-1 数据科学简介 00:12:05 1956
2-4 过拟合 00:05:50 1921
2-5 模型选择 00:03:40 2023
2-3 无监督学习 00:03:22 1911
2-2 有监督学习 00:17:43 1942
3-1 神经网络与MLP 00:07:08 1940
3-3 反向传播算法 00:11:41 2018
3-4 计算图与自动求导 00:11:46 1924
3-2 神经元模型 00:10:35 1915
4-1 梯度 00:15:22 1884
4-2 动量法 00:03:32 1879
4-3 自适应学习率算法 00:06:10 1885
4-4 参数范数惩罚 00:11:24 1981
4-5 dropout 00:10:30 1880
4-6 参数初始化和参数调优 00:03:29 1856
5-1 CNN概述与基本原理 00:12:13 2004
5-2 典型CNN网络 00:17:07 1880
5-3 可视化卷积 00:04:52 1881
5-4 CNN在实际中的应用 00:14:15 1934
6-1 序列数据 00:05:18 1958
6-2 展开计算图 00:06:19 1852
6-3 RNN的设计模式 00:09:04 1879
6-4 RNN的反向传播 00:07:21 1885
6-5 各种RNN结构 00:12:58 1892
6-6 RNN的应用 00:07:59 1858
6-7 LSTM和GRU 00:17:14 1860
6-8 注意力机制 00:16:05 1866
7-1 生成模型 00:06:31 1853
7-2 基于能量的模型和玻尔兹曼机 00:05:36 1867
7-3 受限玻尔兹曼机和深度玻尔兹曼机 00:09:14 1873
7-4 自编码器和变分自编码器 00:14:08 1870
7-5 生成对抗网络 00:13:42 1870
7-6 DCGAN和WGAN 00:10:01 1861
7-7 CycleGAN 00:07:12 1871
8-1 强化学习概述 00:10:15 1880
8-5 Bellman方程 00:10:15 1883
8-7 DNQ 00:07:37 1885
8-4 MDP 00:10:45 1916
8-9 model-based 00:07:34 1881
8-6 Q-learning 00:06:17 1843
8-8 策略梯度和AC框架 00:10:23 1875
8-2 强化学习的基本元素 00:08:53 1888
8-3 值函数 00:06:13 1881
9-1 深度学习的硬件 00:14:58 1922
9-2 深度学习的框架 00:03:09 1852
9-3 Tensor操作和自动求导 00:07:27 1852
9-4 神经网络训练实例 00:11:49 1864
9-5 动态计算图和静态计算图 00:04:42 1893
9-6 数据集加载与转换 00:08:32 1878
9-7 预训练模型和总结 00:08:18 1936
1-1 深度学习介绍 / 1894
1-2 深度学习的核心思想 / 1983
1-3 典型的网络结构 / 1875
1-4 应用概览 / 1952
2-1 数据科学简介 / 1988
2-2 有监督学习 / 1862
2-3 无监督学习 / 1864
2-4 过拟合 / 1879
2-5 模型选择 / 1916
3-1 神经网络与MLP / 1882
3-3 反向传播算法 / 1839
3-2 神经元模型 / 1847
4-1 梯度 / 1888
3-4 计算图与自动求导 / 1959
4-2 动量法 / 1924
4-3 自适应学习率算法 / 1917
4-4 参数范数惩罚 / 1896
4-5 dropout / 1952
4-6 参数初始化和参数调优 / 1849
5-1 CNN概述与基本原理 / 2004
5-2 典型CNN网络 / 1868
5-3 可视化卷积 / 1990
5-4 CNN在实际中的应用 / 1862
6-1 序列数据 / 1869
6-2 展开计算图 / 1944
6-3 RNN的设计模式 / 1917
6-4 RNN的反向传播 / 1846
6-5 各种RNN结构 / 1847
6-6 RNN的应用 / 1863
6-7 LSTM和GRU / 1918
6-8 注意力机制 / 1856
7-1 生成模型 / 1869
7-2 基于能量的模型和玻尔兹曼机 / 1855
7-3 受限玻尔兹曼机和深度玻尔兹曼机 / 1956
7-4 自编码器和变分自编码器 / 2019
7-5 生成对抗网络 / 1949
7-6 DCGAN和WGAN / 1839
7-7 CycleGAN / 1843
8-1 强化学习概述 / 1840
8-2 强化学习的基本元素 / 1835
8-3 值函数 / 1842
8-4 MDP / 1859
8-5 Bellman方程 / 1843
8-6 Q-learning / 1830
8-7 DNQ / 1836
8-8 策略梯度和AC框架 / 1827
8-9 model-based / 1826
9-1 深度学习的硬件 / 2164
9-2 深度学习的框架 / 2129
9-3 Tensor操作和自动求导 / 1846
9-4 神经网络训练实例 / 1862
9-5 动态计算图和静态计算图 / 1944
9-6 数据集加载与转换 / 2147
9-7 预训练模型和总结 / 1911
讲义1-1 深度学习介绍 / 1933
讲义1-2 深度学习的核心思想 / 1890
讲义1-3 典型的网络结构 / 1884
讲义1-4 深度学习应用概览 / 1883
讲义2-1 数据科学简介 / 1932
讲义2-2 有监督学习 / 1890
讲义2-3 无监督学习 / 1925
讲义2-4 过拟合 / 1890
讲义2-5 模型选择 / 1875
讲义2-1 数据科学简介 / 1842
讲义3-1 神经网络与MLP / 1855
讲义3-2 神经元模型 / 2004
讲义3-3 反向传播算法 / 2015
讲义3-4 计算图与自动求导 / 2249
讲义4-2 动量法 / 1872
讲义4-3 自适应学习率算法 / 2004
讲义4-4 参数范数惩罚 / 1897
讲义4-1 梯度 / 1885
讲义4-5 Dropout / 1906
讲义4-5 Dropout / 1900
讲义5-1 CNN概述与基本原理 / 1961
讲义5-2 典型CNN网络 / 1877
讲义5-3 可视化卷积网络 / 1915
讲义6-1 循环序列模型 / 1861
讲义6-2 自然语言处理与词嵌入 / 1917
讲义6-3 序列模型和注意力机制 / 1952
讲义7-1 生成模型 / 1894
讲义7-2 基于能量的模型和玻尔兹曼机 / 2631
讲义7-3 受限玻尔兹曼机 / 2801
讲义7-4 自编码器和变分自编码器 / 2691
讲义7-5 生成对抗网络 / 2699
讲义7-6 DCGAN和WGAN / 2630
讲义7-7 CycleGAN原理以及代码全解析 / 2649
讲义8-1 强化学习概述 / 2823
讲义8-2 强化学习求解方法 / 2700
讲义8-3 强化学习算法分类 / 2690
讲义8-4 强化学习的代表性算法 / 2658
讲义8-5 强化学习应用 / 2684
讲义9-1 深度学习的软硬件 / 2688
讲义9-2 深度学习的框架 / 2648
讲义9-3 Tensor操作和自动求导 / 2657
讲义9-4 动态计算图和静态计算图 / 2627
讲义9-5 编写自定义数据集，数据加载器和转换 / 2618
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