神经网络与深度学习讲义

神经网络与深度学习：概述，tensorflow，python，神经网络基础，卷积神经网络，循环神经网络，生成对抗网络，胶囊网络。

comp9444:UNSW COMP9444神经网络和深度学习

本文是利用卷积神经网络VGG16模型对花卉和手势进行分类识别，利用卷积神经网络的卷积层进行特征提取，连接层起到分类器的作用，对图像进行分类。所用软件是pycharm，解释器是python3.6。

不使用框架实现全连接神经网络进行手写数字识别(layer封装好),可以很方便的改变网络的层数,改变网络的激活函数

清华大学出品的深度学习全套课程PPT学习课件，非常适合大学生和职场人士学习，也适合老鸟复习回顾，完全可用于自学入门，很经典好用的PPT课件哦~ （1）第1章 深度学习的来源与应用。 （2）第2章 深度学习的数学基础。 （3）第3章 人工神经网络与深度学习。 （4）第4章 正反向传播。 （5）第5章 深度学习模型。 （6）第6章 深度学习开源框架。 （7）第7章 深度学习在图像中的应用。 （8）第8章 深度学习在语音中的应用。 （9）第9章 深度学习在文本中的应用。 （10）第10章 深度学习前沿发展。

《神经网络与深度学习》PDF 这本书的课后习题也道道经典，十分有分量。但是苦于没有答案，因此我想整理出一份这本书的课后习题答案。我个人毕竟才疏学浅，难免有不会做的题或者一些错误。因此，我想在这开一个专贴，大家一起做一下这本书的课后习题，大家互相交流，共同进步。

1、经典的图像特征之——Haar 特征 2、Haar 特征实例——人脸检测 3、最基本的决策模型——感知器 4、较为复杂的感知器——多层感知器

基于卷积神经网络的深度学习智能星座图分析仪

深度学习第二周作业