金牌会员
 
- 威望
- 0
- 贡献
- 0
- 热心值
- 0
- 金币
- 1641
- 注册时间
- 2020-8-31
|
课程简介:
深度学习正在引发一场深刻的技术革命，这是人类首次如此接近思维的本质。象手写体识别，脸像识别这类系统，过去的思路是从业务背景中线提取特征，然后产生若干辨识逻辑，再形成算法编程实现，但对于像imagenet那样要对上百万的图片进行上千个分类识别的问题，以往的技术就傻眼了，别说逻辑，连特征的提取都因为过于复杂而没办法进行。现在流行的深度学习网络的方法，把逻辑隐藏在成百上千万的神经网络权值里，让特征被自动识别与提取，却能得出让人吃惊的高准确率。给出通用的框架，通过大量学习数据训练出合适的权值，权值就是逻辑，这是未来的方向，那种先设计算法敲代码的日子该一去不复返了，以后甚至程序员的工作都由机器全部完成也不是没有可能。
课程目录：
第1课 跌宕起伏70年：神经网络发展概述；最简单的神经元仿生：单层感知器
第2课 线性神经网络，BP神经网络，基于梯度下降的各种学习算法
第3课 BP神经网络应用，图像压缩，信用识别；稀疏自动编码器与特征提取
第4课 能联想和记忆的Hopfield神经网络，DHNN与DCNN；应用：OCR识别，解决旅行商问题
第5课 模拟退火算法与Boltzmann机：随机版的Hopfield神经网络
第6课 受限Boltzmann机RBM，应用RBM进行协同过滤
第7课 深度置信网络：利用堆叠的RBM进行权值预训练，应用于图像编码与解码，图像识别
第8课 万能逼近器：径向基神经网络；PCA与SVM神经网络
第9课 自组织竞争神经网络，递归神经网络
第10课 卷积神经网络；经典应用：MNIST手写体数字识别，Imagenet图像识别
第11课 计算机博弈原理，蒙特卡洛树搜索，深度学习与AlphaGo，价值网络与策略网络的设计，构成和训练
第12课 深度学习在自然语言处理中的应用
第13课 堆叠150层的超深度网络：深度残差网络
|
|
发表于 2019-3-21 15:26
