首页视频隐藏马尔科夫模型

隐藏马尔科夫模型原创

播放7K
神经网络是一种模仿生物神经网络结构和功能的计算模型,用于对函数进行估计或近似,它能在外界信息的基础上改变内部结构,是一种自适应系统,即具备学习功能。当前,神经网络用于机器视觉、语音识别等很难被传统基于规则的编程所解决的问题。 本课程首先介绍了前馈神经网络相关的知识点,包括人工神经元的概念,常用激活函数、单个神经元的能力和存在的问题、多层神经网络的思路和容量、神经网络背后的生物学启发等;然后讲解了如何训练神经网络,包括定义损失函数、激活函数求导、反向传播、正则化、初始化、模型选择、优化等步骤;接着是条件随机场的相关内容,包括它的使用动机、线性链条件随机场、马可夫网络、因子图、置信传播等;最后展示了如何训练一个条件随机场。 【课程目标】 了解前馈神经网络及神经网络背后的生物学启发 掌握神经网络的训练流程 了解条件随机场的相关概念以及如何训练条件随机场 【适用对象】 AI开发者、学生 【课程大纲】 知识模块 简介 前馈神经网络 人工神经元、激活函数、 单个神经元的能力、多层神经网络、 神经网络的容量、生物学背后的启发 训练神经网络 经验风险最小化、损失函数、 输出层梯度、隐层梯度、 激活函数求导、参数梯度、 反向传播、正则化、 参数初始化、模型选择、优化 条件随机场 动机、 linear chain CRF、 文本窗口、 计算配分函数、计算边际值、 执行分类、因子、充分统计量、线性链CRF、 马可夫网络、因子图、0 置信传播 训练CRFs 损失函数、一元log-factor梯度、 成对log-factor梯度、 判别学习 vs 生成学习、 最大熵马尔科夫模型、隐藏马尔科夫模型、 常规条件随机场、 Pseudolikelihood

我来说两句

0 条评论
登录 后参与评论

作者

云加社区直播小编
1
8分1秒
人工神经元
0
2
25分1秒
置信传播
0
3
24分47秒
计算配分函数
6.9K
4
9分21秒
计算边际值
0
5
18分45秒
执行分类
7K
6
11分49秒
因子、充分统计量、线性链CRF
7K
7
11分50秒
马可夫网络
0
8
6分41秒
因子图
0
9
5分58秒
损失函数
0
10
10分11秒
linear chain CRF
0
11
13分45秒
一元log-factor梯度
0
12
6分7秒
成对log-factor梯度
0
13
7分1秒
判别学习 vs 生成学习
0
14
9分3秒
最大熵马尔科夫模型
0
15
4分33秒
隐藏马尔科夫模型
7K
16
6分47秒
常规条件随机场
7K
17
13分0秒
文本窗口
0
18
5分32秒
动机
1.5K
19
6分5秒
激活函数
0
20
13分45秒
输出层梯度
0
21
8分14秒
单个神经元的能力
0
22
13分21秒
多层神经网络
6.9K
23
9分6秒
神经网络的容量
0
24
14分31秒
生物学背后的启发
6.8K
25
10分41秒
经验风险最小化
0
26
5分4秒
损失函数
0
27
15分27秒
隐层梯度
0
28
23分49秒
优化
0
29
4分50秒
激活函数求导
6.7K
30
6分39秒
参数梯度
0
31
15分19秒
反向传播
0
32
15分11秒
正则化
0
33
6分40秒
参数初始化
0
34
14分1秒
模型选择
0
35
5分27秒
Pseudolikelihood
0

相关推荐

1分1秒
清洁低碳环保新能源之光伏电站 3D 可视化
0
42分38秒
第 2 章 监督学习:神经网络(2)
96
3分2秒
SuperEdge易学易用系列-如何让原生集群也能管理边缘节点
308
30分16秒
第 2 章 监督学习:神经网络(1)
96
47分25秒
AI产品课:如何打造一个有温度的机器人
521
1分0秒
智能制造之 SMT 产线监控管理可视化
3.4K

扫码关注云+社区

领取腾讯云代金券