申请专栏作者
您的当前位置:主页 > 数据下载 > 课程资源 > 正文

深度学习基础教程

发布:可思数据 时间:2019-01-31
数据类型:课程资源 热度
★★★☆☆
优质数据 数据定制

文件类型: .zip              文件大小:9.5 MB

授权方式: 其它     发布时间:2019-01-31

数据来源:未知             界面语言:中文

数据介绍:

说明:本教程将阐述无监督特征学习和深入学习的主要观点。通过学习,你也将实现多个功能学习/深度学习算法,能看到它们为你工作,并学习如何应用/适应这些想法到新问题上。
 
稀疏自编码器
神经网络
反向传导算法
梯度检验与高级优化
自编码算法与稀疏性
可视化自编码器训练结果
稀疏自编码器符号一览表
Exercise:Sparse Autoencoder
 
矢量化编程实现
矢量化编程
逻辑回归的向量化实现样例
神经网络向量化
Exercise:Vectorization
 
预处理:主成分分析与白化
主成分分析
白化
实现主成分分析和白化
Exercise:PCA in 2D
Exercise:PCA and Whitening

可思数据-www.sykv.cn,sykv.com


 
Softmax回归
Softmax回归
Exercise:Softmax Regression
 
自我学习与无监督特征学习
自我学习
Exercise:Self-Taught Learning
 
建立分类用深度网络
从自我学习到深层网络
深度网络概览
栈式自编码算法
微调多层自编码算法
Exercise: Implement deep networks for digit classification
 
自编码线性解码器
线性解码器
Exercise:Learning color features with Sparse Autoencoders
 
处理大型图像
卷积特征提取
池化
Exercise:Convolution and Pooling

混杂的
MATLAB Modules
Style Guide
Useful Links 本文来自可思数据,转载请联系本站及注明出处
 
混杂的主题
数据预处理
用反向传导思想求导
 
进阶主题:
稀疏编码
稀疏编码
稀疏编码自编码表达
Exercise:Sparse Coding
 
独立成分分析样式建模
独立成分分析
Exercise:Independent Component Analysis
Convolutional training
Restricted Boltzmann Machines
Deep Belief Networks
Denoising Autoencoders
K-means
Spatial pyramids / Multiscale
Slow Feature Analysis
Tiled Convolution Networks
 
下载地址:
请点击下面的广告后下载!

特别声明:

¤ 此数据集库仅供研究和教育用途,不得用于任何商业用途。
¤ 如果您在任何出版物或报告中使用该数据库,则必须添加引用来源。
¤ 版权归作者及所在组织所有。
¤ 如用于商业用途,请联系版权所有人。
¤ 本站数据来源于网络如有侵权请联系我们。
上一篇:没有了
下一篇:开放大学学习分析数据集

相关推荐:

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片

Copyright©2005-2019 Sykv.com 可思数据 版权所有    网站地图   联系我们  

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部
扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部