前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >74集《面向机器人学习的神经网络》教程视频!深度学习开山鼻祖Hinton带你系统学习!

74集《面向机器人学习的神经网络》教程视频!深度学习开山鼻祖Hinton带你系统学习!

作者头像
养码场
发布2018-08-10 16:16:26
4110
发布2018-08-10 16:16:26
举报
文章被收录于专栏:养码场

每周养码场干货放送日

第9期

晚 20:00

本周日,场主要和大家分享的干货是

Geoffrey Hinton

《面向机器学习的神经网络》

视频教程!

Geoffrey Hinton,可能未必所有人都听过。

但他创立的门派——深度学习,却无人不知,点开本文的高傲的你,也许就是、或者即将成为,他的徒孙。

Geoffrey Hinton,将反向传播BP用于多层神经网络、发明了玻尔兹曼机(Boltzmann machine),深度学习领域的开山祖师、三大巨头之首。

PS:另2位巨头是Yann LeCun和Yoshua Bengio,其中Yann LeCun是Facebook的人工智能研究总监,CNN(卷积神经网络)之父,同时也是Hinton的学生!

他还有几位学生:Brendan Frey 是 Deep Genomics 公司创始人和 CEO,Radford Neal 是 R 语言的 pqR 解释器作者,Ilya Sutskever 是 DNNresearch 的联合创始人。

本周,场主给大家推的《Neutral Network for Machine Learning》是深度学习大神Hinton毕生所学之作,也是他目前唯一一门的公开课。

在这期视频中,你可以学到什么?

Hinton 在此课程中介绍了人工神经网络在语音识别和物体识别、图像分割、建模语言和人类运动等过程中的应用,及其在机器学习中发挥的作用。

本次视频中,Geoffrey Hinton在第一集就给大家介绍了:为什么要学习机器学习?

我们为什么需要机器学习?机器学习的用途广泛,在课程开篇中,Hinton结合不同场景为大家解释了这个问题。

视频部分展示:

+

+

……

视频学习引导提纲:

章节1:绪论:面向机器学习的神经网络

课时1为什么我们需要机器学习

课时2什么是神经元网络

课时3简单的神经元模型

课时4ANN的MNIST学习范例

课时5机器学习算法的三大类

章节2:感知器的学习过程

课时6神经网络架构介绍

课时7感知器

课时8感知器的几何空间解析

课时9感知器的原理透析

课时10 感知器的局限性

章节3:线性/逻辑神经网络和反向传播

课时11线性神经元的权值收敛

课时12线性神经元误差曲面分析

课时13逻辑神经元的学习规则

课时14反向传播算法解析(一)

课时15反向传播算法解析(二)

章节4:学习特征词向量

课时16 学习预测词

课时17初识神经认知学

课时18Softmax输出函数

课时19语音识别模型

章节5:用神经网络进行物体识别

课时20视觉识别的难点

课时21如何达到视觉不变性

课时22应用于数字识别的卷积网络

章节6:模型优化:如何加快学习

课时23小批量梯度下降法概览

课时24小批量梯度下降法的一些技巧

课时25动量方法

课时26针对网络中每个连接的自适应学习步长

课时27Rmsprop算法12:00

章节7: 循环神经网络RNN(一)

课时28序列模型概述

课时29用反向传播训练RNNs

课时30训练RNN的一个例子

课时31训练RNN的难点

课时32LSTM网络

章节8:循环神经网络(二)

课时33用乘法连接进行字符串建模

课时34用HF方法学习预测

课时35Echo State Networks

章节9:提高神经网络模型的泛化能力

课时36提高泛化能力概述

课时37限制权重带大小

课时38正则化防止过拟合

课时39完全贝叶斯方法介绍

课时40权值衰减的贝叶斯解释

课时41MacKay的确定权值惩罚项的方法

章节10:结合多重神经网络提高泛化能力

课时42在做预测时为什么要结合多个模型

课时43多专家模型

课时44完全贝叶斯方法

课时45完全贝叶斯方法的实际应用

课时46Dropout

章节11:Hopfield网络和玻尔兹曼机

课时47Hopfield网络

课时48Dealing with spurious minima

课时49具有隐藏单元的Hopfield网络

课时50

Using stochastic units to improv search

课时51玻尔兹曼机

章节12:限制玻尔兹曼机

课时52玻尔兹曼机器学习

课时53More efficient ways to get the statistics

课时54限制玻尔兹曼机

课时55RBM学习案例

课时56用于协同过滤的RBM

章节13:深度置信网络

课时57反向传播算法的历史发展

课时58置信网络

课时59wake-sleep算法

章节14: 生成预训练的深度神经网络

课时60通过堆叠RBM进行功能层学习

课时61DBNs的判定性学习

课时62判定性微调期间会发生什么?

课时63用RBM建模实值数据

课时64RBM是无限的S形信任网

章节15:神经网络的模型分层结构

课时65从PCA到自动编码器

课时66深度自动编码器

课时67深度自动编码器,用于文档检索

课时68散列语义

课时69学习用于图像检索的二进制码

章节16:深度神经网络的应用

课时70图像和字幕的联合模型学习

课时71分层坐标框架

课时72超参数的贝叶斯优化

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-03-18,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 养码场 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
语音识别
腾讯云语音识别(Automatic Speech Recognition,ASR)是将语音转化成文字的PaaS产品,为企业提供精准而极具性价比的识别服务。被微信、王者荣耀、腾讯视频等大量业务使用,适用于录音质检、会议实时转写、语音输入法等多个场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档