论坛元老
- 威望
- 106
- 贡献
- 130
- 热心值
- 5
- 金币
- 4944
- 注册时间
- 2020-8-31
|
提示：
月度会员每天本板块免费下载3次，年度会员每天免费下载6次，永久会员每天免费下载10次，过程中遇到问题，请论坛私信联系管理员;
——/深度神经网络算法全套/
├──(Part One)深度学习基础
| ├──课件
| | ├──1.2 深度学习(Deep Learning)介绍_files
| | ├──3.1 决策树(decision tree)算法_files
| | ├──3.2 决策树(decision tree)应用_files
| | ├──4.1 最邻近规则分类(K-Nearest Neighbor)KNN算法_files
| | ├──4.2 最邻近规则分类(K-Nearest Neighbor)KNN算法应用_files
| | ├──5.1 支持向量机(SVM)算法（上）_files
| | ├──5.2 支持向量机(SVM)算法（下）_files
| | ├──6.1 神经网络算法(Nerual Networks)（上）_files
| | ├──6.2神经网络算法应用上
| | ├──6.3神经网络算法应用下
| | ├──7.1 简单线性回归 (Simple Linear Regression)上_files
| | ├──7.1 简单线性回归 (Simple Linear Regression)下_files
| | ├──7.3 多元回归分析(multiple regression)_files
| | ├──7.5 非线性回归 logistic regression_files
| | ├──7.7 回归中的相关度和R平方值_files
| | ├──8.1 聚类(Clustering) K-means算法_files
| | ├──8.3 聚类(Clustering) hierarchical clustering 层次聚类_files
| | ├──1.1 课程介绍 & 机器学习介绍.html 2.86kb
| | ├──1.2 深度学习(Deep Learning)介绍.html 9.06kb
| | ├──2 基本概念 (Basic Concepts).html 6.15kb
| | ├──3.1 决策树(decision tree)算法.html 9.00kb
| | ├──3.2 决策树(decision tree)应用.html 2.66kb
| | ├──4.1 最邻近规则分类(K-Nearest Neighbor)KNN算法.html 4.32kb
| | ├──4.2 最邻近规则分类(K-Nearest Neighbor)KNN算法应用.html 6.05kb
| | ├──5.1 支持向量机(SVM)算法（上）.html 11.63kb
| | ├──5.1 支持向量机(SVM)算法（上）应用.html 3.58kb
| | ├──5.2 支持向量机(SVM)算法（下）.html 10.92kb
| | ├──5.3 支持向量机(SVM)算法（下）应用.html 6.69kb
| | ├──6.1 神经网络算法(Nerual Networks)（上）.html 8.59kb
| | ├──6.2 神经网络算法(Nerual Networks)应用(上）.html 4.92kb
| | ├──6.3 神经网络算法(Nerual Networks)应用(下）.html 2.70kb
| | ├──7.1 简单线性回归 (Simple Linear Regression)上.html 13.11kb
| | ├──7.1 简单线性回归 (Simple Linear Regression)下.html 3.81kb
| | ├──7.3 多元回归分析(multiple regression).html 29.12kb
| | ├──7.4 多元回归分析(multiple regression)应用.html 17.44kb
| | ├──7.5 非线性回归 logistic regression.html 8.66kb
| | ├──7.6 非线性回归应用：losgistic regression application.html 2.30kb
| | ├──7.7 回归中的相关度和R平方值.html 5.43kb
| | ├──7.8 回归中的相关度和R平方值应用.html 1.46kb
| | ├──8.1 聚类(Clustering) K-means算法.html 5.89kb
| | ├──8.2 聚类(Clustering) K-means算法应用.html 4.99kb
| | ├──8.3 聚类(Clustering) hierarchical clustering 层次聚类.html 3.27kb
| | ├──8.4 聚类(Clustering) hierarchical clustering 层次聚类应用.html 6.53kb
| | ├──810a19d8bc3eb1351e89fd05a41ea8d3fc1f44c5.jpg 4.47kb
| | └──HierachecalClustering.png 9.03kb
| ├──视频
| | ├──1.1课程介绍机器学习介绍上.mp4 50.56M
| | ├──1.1课程介绍机器学习介绍下.mp4 9.95M
| | ├──1.2深度学习介绍.mp4 52.68M
| | ├──2基本概念.mp4 56.92M
| | ├──3.1决策树算法.mp4 54.25M
| | ├──3.2决策树应用.mp4 72.42M
| | ├──4.1最邻近规则分类KNN算法.mp4 38.85M
| | ├──4.2最邻近规则KNN分类应用.mp4 57.47M
| | ├──5.1 支持向量机(SVM)算法（上）.html 11.63kb
| | ├──5.1 支持向量机(SVM)算法（上）应用.html 3.58kb
| | ├──5.1支持向量机SVM上.mp4 35.56M
| | ├──5.1支持向量机SVM上应用.mp4 34.97M
| | ├──6.2神经网络算法应用上.mp4 95.96M
| | ├──6.3神经网络算法应用下.mp4 34.25M
| | ├──7.1简单线性回归上.mp4 40.76M
| | ├──7.2简单线性回归下.mp4 52.49M
| | ├──7.3多元线性回归.mp4 42.22M
| | ├──7.4多元线性回归应用.mp4 51.17M
| | ├──7.5非线性回归 Logistic Regression.mp4 30.34M
| | ├──7.6非线性回归应用.mp4 56.58M
| | ├──7.7回归中的相关度和决定系数.mp4 38.05M
| | ├──7.8回归中的相关性和R平方值应用.mp4 43.12M
| | ├──8.1Kmeans算法.mp4 35.43M
| | ├──8.2Kmeans应用.mp4 61.00M
| | ├──8.3Hierarchical clustering 层次聚类.mp4 29.82M
| | ├──8.4Hierarchical clustering 层次聚类应用.mp4 62.52M
| | ├──神经网络NN算法.mp4 77.51M
| | ├──支持向量机(SVM)算法(下)应用.mp4 55.15M
| | ├──支持向量机(SVM)算法下.mp4 36.10M
| | └──总结.mp4 55.39M
| └──代码与素材.rar 97.49M
├──(Part Three)深度学习深入与强化
| ├──第10课 更多框架
| | ├──5月班第10课_framework.pdf 22.02M
| | └──第10课 更多框架.avi 429.37M
| ├──第1课 机器学习中数学基础
| | ├──第1课 机器学习中数学基础.avi 609.35M
| | └──五月班第一次课件：机器学习中数学基础 (1).pdf 1.29M
| ├──第2课 高效计算基础与图像线性分类器
| | ├──5月班第2课课件：高效计算基础与图像线性分类器.pdf 32.88M
| | ├──image linear classification.zip 163.57M
| | ├──numpy_operations.ipynb 207.42kb
| | └──第2课 高效计算基础与图像线性分类器.avi 677.91M
| ├──第3课 梯度下降法与反向传播
| | ├──5月班第3课课件：梯度下降法与反向传播 (1).pdf 1.13M
| | └──第3课 梯度下降法与反向传播.avi 438.73M
| ├──第4课 CNN与常用框架
| | ├──5月深度学习班第4课--CNN，典型网络结构与常用框架.pdf 6.97M
| | └──第4课 CNN与常用框架.avi 650.80M
| ├──第5课 CNN训练注意事项与框架使用
| | ├──5月班第5次课 - caffe TensorFlow使用与CNN训练注意事项.pdf 17.48M
| | └──第5课 CNN训练注意事项与框架使用.avi 743.32M
| ├──第6课 CNN推展案例
| | ├──5月班第6次课 - CNN扩展 图像识别与定位 物体检测 NeuralStyle.pdf 48.34M
| | └──第6课 CNN推展案例.avi 662.57M
| ├──第7课 RNN介绍
| | ├──5月班第7课课件_rnn_intrduction.pdf 8.48M
| | └──第7课 RNN介绍.avi 362.89M
| ├──第8课 RNN应用
| | ├──5月班第8课_rnn_appliacation.pdf 22.52M
| | └──第8课 RNN应用.avi 531.08M
| └──第9课 更多的网络类型
| | ├──5月班第9次课课件_more_about_nn.pdf 4.18M
| | └──第9课 更多的网络类型.avi 483.73M
└──(Part Two)深度学习进阶
| ├──课件
| | └──深度学习进阶课件.rar 3.27M
| └──视频
| | ├──第10章 神经网络手写数字演示.mp4 107.29M
| | ├──第11章 Backpropagation算法上.mp4 65.96M
| | ├──第12章 Backpropagation算法下.mp4 61.54M
| | ├──第13章 Backpropagation算法实现.mp4 64.12M
| | ├──第14章 cross-entropy函数.mp4 49.72M
| | ├──第15章 Softmax和Overfitting.mp4 75.90M
| | ├──第16章 Regulization.mp4 37.48M
| | ├──第17章 Regulazition和Dropout.mp4 50.49M
| | ├──第18章 正态分布和初始化(修正版).mp4 28.78M
| | ├──第19章 提高版本的手写数字识别实现.mp4 72.83M
| | ├──第1章 基本概念清晰版.mp4 42.58M
| | ├──第20章 神经网络参数hyper-parameters选择.mp4 54.96M
| | ├──第21章 深度神经网络中的难点.mp4 76.06M
| | ├──第22章 用ReL解决VanishingGradient问题.mp4 37.01M
| | ├──第23章 ConvolutionNerualNetwork算法.mp4 64.74M
| | ├──第24章 ConvolutionNeuralNetwork实现上.mp4 51.73M
| | ├──第25章 ConvolutionNeuralNetwork实现下.mp4 78.28M
| | ├──第26章 Restricted Boltzmann Machine.mp4 63.15M
| | ├──第27章 Restricted Boltzmann Machine下.mp4 49.49M
| | ├──第28章 Deep Brief Network 和 Autoencoder.mp4 47.36M
| | ├──第2章 软件包安装和环境配置总述.mp4 80.20M
| | ├──第3章 环境配置分部详解.mp4 77.09M
| | ├──第4章 环境配置分部详解下.mp4 111.05M
| | ├──第5章 手写数字识别.mp4 46.17M
| | ├──第6章 神经网络基本结构及梯度下降算法.mp4 82.79M
| | ├──第7章 随机梯度下降算法.mp4 20.57M
| | ├──第8章 梯度下降算法实现上.mp4 50.19M
| | └──第9章 梯度下降算法实现下.mp4 69.03M
|
|
发表于 2024-11-16 03:00
