Hinton机器与神经网络视频兰_共:1.76GB
27569文件名称: Hinton机器与神经网络视频兰_共:1.76GB
文件总数量: 72条
压缩文件数量: 0条
压缩文件比: 0%
疑似加密文件: 0条(需要授权播放的文件)
文件创建时间: 2021-6-22 16:54:05
目录:【Hinton机器学习与神经网络】
目录:【Hinton机器学习与神经网络】
72__16_3___超参数的贝叶斯优化.mp4
71__16_2___分层坐标框架.mp4
70__16_1___图像和字幕的联合模型学习.mp4
69__15_5___学习用于图像检索的二进制码.mp4
68__15_4___散列语义.mp4
67__15_3___深度自动编码器_用于文档检索.mp4
66__15_2___深度自动编码器.mp4
65__15_1___从PCA到自动编码器.mp4
64__14_5___RBM是无限的S形信任网_.mp4
63__14_4___用RBM建模实值数据_.mp4
62__14_3___判定性微调期间会发生什么_.mp4
61__14_2___DBNs的判定性学习.mp4
60__14_1___通过堆叠RBM进行功能层学习_.mp4
59__13_3___wake_sleep算法.mp4
58__13_2___置信网络.mp4
57__13_1___反向传播算法的历史发展.mp4
56__12_5___用于协同过滤的RBM_.mp4
55__12_4___RBM学习案例.mp4
54__12_3___限制玻尔兹曼机.mp4
53__12_2___Moreefficientwaystogetthestatist.mp4
52__12_1___玻尔兹曼机器学习.mp4
51__11_5___玻尔兹曼机.mp4
50__11_4___Usingstochasticunitstoimprovsear.mp4
49__11_3___具有隐藏单元的Hopfield网络_.mp4
48__11_2___Dealingwithspuriousminima.mp4
47__11_1___Hopfield网络.mp4
46__10_5___Dropout.mp4
45__10_4___完全贝叶斯方法的实际应用.mp4
44__10_3___完全贝叶斯方法_.mp4
43__10_2___多专家模型.mp4
42__10_1___在做预测时为什么要结合多个模型_.mp4
41__9_6___MacKay的确定权值惩罚项的方法.mp4
40__9_5___权值衰减的贝叶斯解释.mp4
39__9_4___完全贝叶斯方法介绍.mp4
38__9_3___正则化防止过拟合.mp4
37__9_2___限制权重带大小.mp4
36__9_1___提高泛化能力概述.mp4
35__8_3___EchoStateNetworks.mp4
34__8_2___用HF方法学习预测.mp4
33__8_1___用乘法连接进行字符串建模.mp4
32__7_5___LSTM网络.mp4
31__7_4___训练RNN的难点.mp4
30__7_3___训练RNN的一个例子.mp4
29__7_2___用反向传播训练RNNs.mp4
28__7_1___序列模型概述.mp4
27__6_5___Rmsprop算法_.mp4
26__6_4___针对网络中每个连接的自适应学习步长.mp4
25__6_3___动量方法.mp4
24__6_2___小批量梯度下降法的一些技巧_.mp4
23__6_1___小批量梯度下降法概览.mp4
22__5_3___应用于数字识别的卷积网络.mp4
21__5_2___如何达到视觉不变性_.mp4
20__5_1___视觉识别的难点.mp4
19__4_4___语音识别模型.mp4
18__4_3___Softmax输出函数.mp4
17__4_2___初识神经认知学_.mp4
16__4_1___学习预测词.mp4
15__3_5___反向传播算法解析_二_.mp4
14__3_4___反向传播算法解析_一_.mp4
13__3_3___逻辑神经元的学习规则_.mp4
12__3_2___线性神经元误差曲面分析.mp4
11__3_1___线性神经元的权值收敛.mp4
10__2_5___感知器的局限性_.mp4
09__2_4___感知器的原理透析.mp4
08__2_3___感知器的几何空间解析_.mp4
07__2_2___感知器.mp4
06__2_1___神经网络架构介绍.mp4
05__1_5___机器学习算法的三大类.mp4
04__1_4___ANN的MNIST学习范例.mp4
03__1_3___简单的神经元模型.mp4
02__1_2___什么是神经元网络.mp4
01__1_1___为什么我们需要机器学习.mp4
页:
[1]