首页 > TAG信息列表 > SIGAI
SIGAI深度学习第十二集 循环神经网络1
讲授时间序列预测问题、神经网络的记忆功能、循环层的原理、输出层的原理、深层网络、BPTT算法等 大纲 序列数据建模让神经网络具有记忆功能循环层的原理输出层的原理完整的网络结构深层网络训练算法简介训练算法的推导 本集内容简介 从今天开始用四节课讲述循环神经网络，这是除卷SIGAI机器学习第二十五集 聚类算法2
讲授聚类算法的基本概念，算法的分类，层次聚类，K均值算法，EM算法，DBSCAN算法，OPTICS算法，mean shift算法，谱聚类算法，实际应用 课程大纲： 基于密度的聚类算法简介DBSCAN算法的核心思想基本概念定义算法的流程实现细节问题实验OPTICS算法的核心思想基本概念定义算法的流程根据排序结果生成聚类SIGAI机器学习第四集 基本概念
大纲： 算法分类有监督学习与无监督学习分类问题与回归问题生成模型与判别模型强化学习评价指标准确率与回归误差ROC曲线交叉验证模型选择过拟合与欠拟合偏差与方差正则化 半监督学习归类到有监督学习中去。 有监督学习大部分问题都是分类问题，有监督中的分类问题分为生成式模型和判SIGAI机器学习第六集 决策树
讲授决策树的基本概念，分类与回归树的原理，决策树的表示能力，决策树的训练算法，寻找最佳分裂的原理，叶子节点值的标记，属性缺失与替 代分裂，决策树的剪枝算法，决策树应用。 非常直观和易于理解的机器学习算法，最符合人的直观思维，因为生活中很多时候做决策就是用这种树状结构做决定的。 大纲SIGAI深度学习第九集 卷积神经网络3
讲授卷积神经网络面临的挑战包括梯度消失、退化问题，和改进方法包括卷积层、池化层的改进、激活函数、损失函数、网络结构的改 进、残差网络、全卷机网络、多尺度融合、批量归一化等 大纲： 面临的挑战梯度消失问题退化问题改进的总体思路卷积层的改进用矩阵乘法实现卷积运算池化层的SIGAI深度学习第三讲 人工神经网络2
讲授神经网络的理论解释、实现细节包括输入与输出值的设定、网络规模、激活函数、损失函数、初始化、正则化、学习率的设定、实际应用等 大纲： 实验环节： 理论层面的解释：两个方面，1.数学角度，映射函数h(x)理论分析；2.和动物神经网络的区别。 实现细节问题：输入输出值该怎么设置，神经网络