TensorFlow斯坦福大学-深度学习基础教程

1星
2018-03-23
9.01MB
需要2积分
83次下载

文档简介
文档解析
猜您喜欢
推荐下载
用户评论2

标签：人工智能

文档内容节选

Deep Learning Ng UFLDL教程 From Ufldl 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本教程假定机器学习的基本知识特别是熟悉的监督学习，逻辑回归，梯度下降的想法，如果你不熟悉这些想法，我们建议你去这里机器学习课程 courseMachineLearning ，并先完成第II，III，IV章到逻辑回归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 ExerciseSparse 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 ExerciseVectorization 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 ExercisePCA in 2D ExercisePCA and Whitening Softmax回归 Softmax回归 ExerciseSoftmax Regression 自我......

展开预览

文档解析

本文档是关于无监督特征学习和深度学习（UFLDL）的教程，由Andrew Ng等人编写。教程涵盖了机器学习的基础知识，特别是监督学习、逻辑回归和梯度下降，并在此基础上深入探讨了深度学习的核心概念。文档内容包括稀疏自编码器、神经网络、反向传播算法、梯度检验与高级优化技术、自编码算法与稀疏性、可视化自编码器训练结果等多个主题。此外，还涉及了预处理技术如主成分分析（PCA）与白化、Softmax回归、自我学习与无监督特征学习等。文档还提供了关于如何实现深度网络进行数字分类的练习，包括栈式自编码算法和微调多层自编码算法。教程的目标是让读者能够理解并实现多个功能学习/深度学习算法，并将这些算法应用到新问题上。文档最后提到了一些混杂的主题，如数据预处理、稀疏编码、独立成分分析等，并指出了一些章节仍在建设中。

猜您喜欢

: Ben123Ben; 谢谢分享！学习一下！; 2020-01-14 21:40:28回复

: hjh0000; 看起来比较困难，需要有一定基础才行。; 2019-11-10 10:58:46回复

上传者

: crazyjackson; 查看他的其他资源

举报人：
被举报人：	crazyjackson
举报的资源分：	2
* 类型：
	请您提供公司营业执照和软件相关版权到service@eeworld.com.cn
* 详细原因：

TensorFlow斯坦福大学-深度学习基础教程

文档简介

评论