专栏首页养码场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!

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

本文分享自微信公众号 - 养码场(yangmachang0),作者:场主

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-03-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 韭菜还是资本?离区块链风口最近的程序员!

    如果说,技术人天生就有一种紧迫感,对于技术热潮的追赶,对于新技术的渴求。那么,程序员预备役们也同样stay hungry,stay young。

    养码场
  • 一周播报|新华社三问区块链,互联网成了区块链的镜像

    当产品考虑多一点,方便于扩展时,开发跳脚,觉得没必要,是过度设计;可不多考虑一点,下一版本迭代时要重构了,开发又跳脚了,吐槽道:你怎么不多考虑一点?

    养码场
  • 你的服务器,真的还好吗?

    人们常认为,由于服务器在数据中心锁起来,又由于数据在持续使用,因此不需要加密服务器驱动器,因为数据永远不处于静止状态。

    养码场
  • 关于区块链安全,这四位大咖分享了这么些干货...

    7月28日(周六)下午,由CSDN主办,区块链大本营、柏链道捷、极客帮创投协办的“区块链安全”专场沙龙,在北京朝阳区酒仙桥恒通商务园举行。别看今天是周末,全场没...

    区块链大本营
  • Apache kylin 入门

    本篇文章就概念、工作机制、数据备份、优势与不足4个方面详细介绍了Apache Kylin。

    用户1217611
  • 云计算时代的安全风险

    在云计算之前,企业在内部服务器甚至文件柜上来存储他们的信息。现在,很多云服务提供商(CSP)依靠第三方平台来容纳和保护他们的信息。由于需要存储大量的数据,公司在...

    SDNLAB
  • 开始使用Apache Solr

    Apache Solr是一个开源的搜索服务器。 Apache Solr包含全文搜索引擎Apache Lucene。 Solr是一个由Lucene提供的倒排索引的...

    人工智能资讯小编
  • 使用Feign实现Form表单提交

    之前,笔者写了《使用Spring Cloud Feign上传文件》。近日,有同事在对接遗留的Struts古董系统,需要使用Feign实现Form表单提交。其实步...

    用户1516716
  • 【20 亿美元赌注】英伟达推出深度学习芯片,人工智能进入主流时代

    【新智元导读】芯片是整个智能产业的发动机,也是市场成熟度的关键指标,而且计算能力飞速发展,芯片制造商必须要在几年之内获得相应的市场回报。GPU巨头企业NVIDI...

    新智元
  • 数字交易所的新方向——云端化

    著名互联网观察家凯文·凯利在《失控》一书里的描述,这场信息社会的进化规律,遵循的是生物学逻辑,呈现出分布式、去中心、自组织的特点。我们目前所看到的金融服务业,都...

    金融科技先驱者

扫码关注云+社区

领取腾讯云代金券