论坛元老
- 威望
- 0
- 贡献
- 61
- 热心值
- 1
- 金币
- 3418
- 注册时间
- 2020-8-31
|
课程介绍：
在这里我们介绍了什么是机器学习, 还有机器学习包含了哪些方法. 通常来说, 机器学习的方法包括:
1、监督学习
2、非监督学习
3、半监督学习
4、强化学习
5、遗传算法
课程目录：
一、机器学习方法
1.1 机器学习 (Machine Learning)
二、神经网络
2.1 科普: 人工神经网络 VS 生物神经网络
2.2 神经网络 (Neural Network)
2.3 卷积神经网络 CNN (Convolutional Neural Network)
2.4 循环神经网络 RNN (Recurrent Neural Network)
2.5 LSTM RNN 循环神经网络 (LSTM)
2.6 自编码 (Autoencoder)
2.7 生成对抗网络 (GAN)
2.8 科普: 神经网络的黑盒不黑
2.9 神经网络 梯度下降
2.10 迁移学习 Transfer Learning
三、神经网络技巧
3.1 检验神经网络 (Evaluation)
3.2 特征标准化 (Feature Normalization)
3.3 选择好特征 (Good Features)
3.4 激励函数 (Activation Function)
3.5 过拟合 (Overfitting)
3.6 加速神经网络训练 (Speed Up Training)
3.7 处理不均衡数据 (Imbalanced data)
3.8 批标准化 (Batch Normalization)
3.9 L1 / L2 正规化 (Regularization)
四、强化学习
4.1 强化学习 (Reinforcement Learning)
4.2 强化学习方法汇总 (Reinforcement Learning)
4.3 Q Leaning
4.4 Sarsa
4.5 Sarsa(lambda)
4.6 DQN
4.7 Policy Gradients
4.8 Actor Critic
4.9 Deep Deterministic Policy Gradient (DDPG)
4.10 Asynchronous Advantage Actor-Critic (A3C)
4.11 AlphaGo Zero 为什么更厉害?
五、进化算法
5.1 遗传算法 (Genetic Algorithm)
5.2 进化策略 (Evolution Strategy)
5.3 神经网络进化 (Neuro-Evolution)
|
|
发表于 2019-3-21 15:57
