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 17138 1 0 分享
资源(151) 时长( 08:44:45) 播放量(325856)
1-1 深度学习介绍 00:14:56 2195
1-3 典型的网络结构 00:16:40 2159
1-2 深度学习的核心思想 00:18:12 2174
1-4 应用概览 00:06:24 2084
2-1 数据科学简介 00:12:05 2127
2-4 过拟合 00:05:50 2095
2-5 模型选择 00:03:40 2196
2-3 无监督学习 00:03:22 2085
2-2 有监督学习 00:17:43 2118
3-1 神经网络与MLP 00:07:08 2107
3-3 反向传播算法 00:11:41 2190
3-4 计算图与自动求导 00:11:46 2096
3-2 神经元模型 00:10:35 2088
4-1 梯度 00:15:22 2050
4-2 动量法 00:03:32 2044
4-3 自适应学习率算法 00:06:10 2051
4-4 参数范数惩罚 00:11:24 2150
4-5 dropout 00:10:30 2042
4-6 参数初始化和参数调优 00:03:29 2020
5-1 CNN概述与基本原理 00:12:13 2170
5-2 典型CNN网络 00:17:07 2052
5-3 可视化卷积 00:04:52 2053
5-4 CNN在实际中的应用 00:14:15 2106
6-1 序列数据 00:05:18 2124
6-2 展开计算图 00:06:19 2020
6-3 RNN的设计模式 00:09:04 2047
6-4 RNN的反向传播 00:07:21 2051
6-5 各种RNN结构 00:12:58 2059
6-6 RNN的应用 00:07:59 2025
6-7 LSTM和GRU 00:17:14 2023
6-8 注意力机制 00:16:05 2031
7-1 生成模型 00:06:31 2018
7-2 基于能量的模型和玻尔兹曼机 00:05:36 2031
7-3 受限玻尔兹曼机和深度玻尔兹曼机 00:09:14 2037
7-4 自编码器和变分自编码器 00:14:08 2035
7-5 生成对抗网络 00:13:42 2032
7-6 DCGAN和WGAN 00:10:01 2030
7-7 CycleGAN 00:07:12 2031
8-1 强化学习概述 00:10:15 2049
8-5 Bellman方程 00:10:15 2050
8-7 DNQ 00:07:37 2054
8-4 MDP 00:10:45 2080
8-9 model-based 00:07:34 2046
8-6 Q-learning 00:06:17 2007
8-8 策略梯度和AC框架 00:10:23 2042
8-2 强化学习的基本元素 00:08:53 2062
8-3 值函数 00:06:13 2050
9-1 深度学习的硬件 00:14:58 2081
9-2 深度学习的框架 00:03:09 2016
9-3 Tensor操作和自动求导 00:07:27 2020
9-4 神经网络训练实例 00:11:49 2031
9-5 动态计算图和静态计算图 00:04:42 2058
9-6 数据集加载与转换 00:08:32 2038
9-7 预训练模型和总结 00:08:18 2098
1-1 深度学习介绍 / 2064
1-2 深度学习的核心思想 / 2150
1-3 典型的网络结构 / 2044
1-4 应用概览 / 2117
2-1 数据科学简介 / 2157
2-2 有监督学习 / 2027
2-3 无监督学习 / 2026
2-4 过拟合 / 2043
2-5 模型选择 / 2081
3-1 神经网络与MLP / 2051
3-3 反向传播算法 / 2006
3-2 神经元模型 / 2011
4-1 梯度 / 2056
3-4 计算图与自动求导 / 2125
4-2 动量法 / 2086
4-3 自适应学习率算法 / 2084
4-4 参数范数惩罚 / 2060
4-5 dropout / 2118
4-6 参数初始化和参数调优 / 2012
5-1 CNN概述与基本原理 / 2166
5-2 典型CNN网络 / 2033
5-3 可视化卷积 / 2147
5-4 CNN在实际中的应用 / 2024
6-1 序列数据 / 2025
6-2 展开计算图 / 2100
6-3 RNN的设计模式 / 2076
6-4 RNN的反向传播 / 2006
6-5 各种RNN结构 / 2003
6-6 RNN的应用 / 2017
6-7 LSTM和GRU / 2074
6-8 注意力机制 / 2012
7-1 生成模型 / 2030
7-2 基于能量的模型和玻尔兹曼机 / 2011
7-3 受限玻尔兹曼机和深度玻尔兹曼机 / 2118
7-4 自编码器和变分自编码器 / 2174
7-5 生成对抗网络 / 2104
7-6 DCGAN和WGAN / 1997
7-7 CycleGAN / 2001
8-1 强化学习概述 / 2002
8-2 强化学习的基本元素 / 1991
8-3 值函数 / 2002
8-4 MDP / 2015
8-5 Bellman方程 / 1999
8-6 Q-learning / 1987
8-7 DNQ / 1989
8-8 策略梯度和AC框架 / 1980
8-9 model-based / 1982
9-1 深度学习的硬件 / 2324
9-2 深度学习的框架 / 2288
9-3 Tensor操作和自动求导 / 2004
9-4 神经网络训练实例 / 2020
9-5 动态计算图和静态计算图 / 2100
9-6 数据集加载与转换 / 2307
9-7 预训练模型和总结 / 2074
讲义1-1 深度学习介绍 / 2101
讲义1-2 深度学习的核心思想 / 2056
讲义1-3 典型的网络结构 / 2050
讲义1-4 深度学习应用概览 / 2048
讲义2-1 数据科学简介 / 2091
讲义2-2 有监督学习 / 2055
讲义2-3 无监督学习 / 2093
讲义2-4 过拟合 / 2057
讲义2-5 模型选择 / 2041
讲义2-1 数据科学简介 / 1996
讲义3-1 神经网络与MLP / 2009
讲义3-2 神经元模型 / 2162
讲义3-3 反向传播算法 / 2175
讲义3-4 计算图与自动求导 / 2411
讲义4-2 动量法 / 2033
讲义4-3 自适应学习率算法 / 2166
讲义4-4 参数范数惩罚 / 2054
讲义4-1 梯度 / 2049
讲义4-5 Dropout / 2066
讲义4-5 Dropout / 2054
讲义5-1 CNN概述与基本原理 / 2123
讲义5-2 典型CNN网络 / 2039
讲义5-3 可视化卷积网络 / 2079
讲义6-1 循环序列模型 / 2021
讲义6-2 自然语言处理与词嵌入 / 2076
讲义6-3 序列模型和注意力机制 / 2110
讲义7-1 生成模型 / 2053
讲义7-2 基于能量的模型和玻尔兹曼机 / 2843
讲义7-3 受限玻尔兹曼机 / 3011
讲义7-4 自编码器和变分自编码器 / 2904
讲义7-5 生成对抗网络 / 2907
讲义7-6 DCGAN和WGAN / 2838
讲义7-7 CycleGAN原理以及代码全解析 / 2858
讲义8-1 强化学习概述 / 3035
讲义8-2 强化学习求解方法 / 2911
讲义8-3 强化学习算法分类 / 2900
讲义8-4 强化学习的代表性算法 / 2869
讲义8-5 强化学习应用 / 2891
讲义9-1 深度学习的软硬件 / 2898
讲义9-2 深度学习的框架 / 2859
讲义9-3 Tensor操作和自动求导 / 2868
讲义9-4 动态计算图和静态计算图 / 2839
讲义9-5 编写自定义数据集，数据加载器和转换 / 2829
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