这门课程是“深度学习入门系列培训教程”的后续内容，深度学习进阶系列培训课程概况：在深度学习入门系列的课程中，我们基本掌握了一些基础知识，在这门课程中我们将进一步学习深度学习原理、核心内容。包括深度置信网络DBN学习，卷积神经网络CNN入门到精通，深度残差网络RES和长短时记忆网络LSTM的构建以及使用。后一部分我们也会稍微讲解一些人工智能前沿的发展强化学习RL，迁移学习TL和生成式对抗网络GAN。
2021-08-03 19:59:41
24.58MB
1
第七章 Clementine 的建模技术
第八章 神经网络
第九章 规则归纳
第十章 模型的比较和合并
第十一章 Kohonen 网络
第十二章 关联规则
第十三章 时序分析
第十四章 其它模块
2021-07-11 16:07:51
2.37MB
采用Keras编写的神经网络与深度学习数字识别程序两例。介绍了加载数据集文件的三种方法；第1例为MLP数字识别程序，第2例为LeNet数字识别程序(配LeNet网络架构图一幅，并与程序中的代码段对应)，程序可读性强并通过验证测试。
2021-06-05 13:05:58
172KB
cifar10数据集分类神经网络建立训练测试的完整过程，pytorch-neutral network，有完整注释。人工智能 / 机器学习/神经网络。
2021-05-18 21:54:08
15KB
1
MNIST数据集是机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片
一共4个文件，训练集、训练集标签、测试集、测试集标签
2021-04-05 17:10:44
11.06MB
1