注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 受限玻尔兹曼机（RBM）学习

  2. 详细的介绍了受限玻尔兹曼机的基本知识、公式推导。

  3. 所属分类：讲义

    • 发布日期：2016-07-10
    • 文件大小：927744
    • 提供者：wuqingshan2010

  1. 机器学习讲义（Andrew+Ng）

  2. 深度学习领域的宗师巨作机器学习讲义深刻讲解了机器学习背后的原理和推导，使之对深度学习有更深的领悟。

  3. 所属分类：讲义

    • 发布日期：2017-08-11
    • 文件大小：1048576
    • 提供者：u011501388

  1. Deep Learning Tutorial-李宏毅PPT

  2. 台湾李宏毅老师的深度学习的PPT课件，很清晰大概有300页。有详细的图片和公式推导，文件没有目录。。。。。。

  3. 所属分类：深度学习

    • 发布日期：2017-09-07
    • 文件大小：12582912
    • 提供者：jibaipingguo

  1. tensorflow 计算模型及深度学习在目标识别上的方法介绍.pdf

  2. tensorflow 计算模型及深度学习在目标识别上的方法介绍 以及 lstm 计算的详细推导

  3. 所属分类：深度学习

    • 发布日期：2018-03-27
    • 文件大小：13631488
    • 提供者：vertexz

  1. 反向传播算法推导—全连接神经网络

  2. 反向传播算法是人工神经网络训练时采用的一种通用方法，在现代深度学习中得到了大 规模的应用。全连接神经网络(多层感知器模型，MLP)，卷积神经网络(CNN)，循环神 经网络(RNN)中都有它的实现版本。算法从多元复合函数求导的链式法则导出，递推的 计算神经网络每一层参数的梯度值。算法名称中的“误差”是指损失函数对神经网络每一层 临时输出值的梯度。反向传播算法从神经网络的输出层开始，利用递推公式根据后一层的误 差计算本层的误差，通过误差计算本层参数的梯度值，然后将差项传播到前一层

  3. 所属分类：机器学习

    • 发布日期：2018-07-07
    • 文件大小：791552
    • 提供者：sigai_csdn

  1. 神经⽹络和深度学习

  2. 《神经⽹络与深度学习》出自大牛Michael Nielsen之手。文章理论坚实，公式推导逻辑严谨，思路清晰，绝对是广大深度学习爱好者的入坑神器。本资源为高清完整版。

  3. 所属分类：深度学习

    • 发布日期：2018-08-24
    • 文件大小：3145728
    • 提供者：gt18120588267

  1. 第九讲-学习资料-生成对抗网络的理论推导与应用

  2. 深度学习系列课程资料分享，第一讲 课外学习资料，第二讲，传统神经网络，其他部分请看我上传的资源列表.......

  3. 所属分类：深度学习

    • 发布日期：2018-09-07
    • 文件大小：59768832
    • 提供者：sinat_34439107

  1. 斯坦福吴恩达教授机器学习课程讲义，作业及解析

  2. 网易公开课斯坦福吴恩达教授机器学习课程讲义，作业及解析，配合视频学习更加高效易懂，含有各种公式的推导步骤： [第1集] 机器学习的动机与应用 [第2集] 监督学习应用.梯度下降 [第3集] 欠拟合与过拟合的概念 [第4集] 牛顿方法 [第5集] 生成学习算法 [第6集] 朴素贝叶斯算法 [第7集] 最优间隔分类器问题 [第8集] 顺序最小优化算法 [第9集] 经验风险最小化 [第10集] 特征选择 [第11集] 贝叶斯统计正则化 [第12集] K-means算法 [第13集] 高斯混合模型 [

  3. 所属分类：机器学习

    • 发布日期：2018-09-24
    • 文件大小：6291456
    • 提供者：ly5201314666

  1. 吴恩达深度学习笔记_公式推导.zip

  2. 吴恩达 深度学习 课程内容及详细公式推导。配合网易云的吴恩达深度学习课程使用更佳

  3. 所属分类：算法与数据结构

    • 发布日期：2019-06-03
    • 文件大小：77594624
    • 提供者：acoco_wang

  1. AI学习知识点.xmind

  2. *AI学习知识点* 1. 基础知识 概率论 微积分与逼近论 极限、微分、积分的基本概念 利用逼近的思想理解微积分，利用积分的方式理解概率论 概率论的基础 古典模型 常见的概率分布 大数定理和中心极限定理 协方差和相关系数 最大似然估计和最大后验估计 凸优化 凸优化的基本概念 凸函数 凸集 凸优化问题的标准形式 线性代数及矩阵 线性空间及线性变化 矩阵的基本概念 状态转移矩阵 特征

  3. 所属分类：Python

    • 发布日期：2019-07-15
    • 文件大小：240640
    • 提供者：lingfeian

  1. 神经网络梯度更新优化器详解笔记.docx

  2. 这篇文章将按照时间线详细讲解各类深度学习优化器，包括常用与不常用的（动量、NAG、adam、Adagrad、adadelta、RMSprop、adaMax、Nadam、AMSGrad）本文档将对每个优化器进行更加清晰的讲解，包括数学表达式推导和现实含义，所以可以更容易理解每一个优化器，对于深度学习小白来说也可以很容易看懂

  3. 所属分类：深度学习

    • 发布日期：2020-04-09
    • 文件大小：1048576
    • 提供者：qq_42109740

  1. 机器学习中的最优化算法总结

  2. 机器学习中的最优化算法总结下图给出了这些算法的分类与它们之间的关系: 接下来我们将按照这张图来展开进行讲解。 费马定理 对于一个可导函数,寻找其极值的统一做法是寻找导数为0的点,即费马定理。微积分中的 这一定理指出,对于可导函数,在极值点处导数必定为0: 对于多元函数,则是梯度为0 导数为0的点称为驻点。需要注意的是,导数为0只是函数取得极值的必要条件而不是充分条 件,它只是疑似极值点。是不是极值,是极大值还是极小值,还需要看更高阶导数。对于 元函数,假设x是驻点 如果 (x)>0,则在该

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：570368
    • 提供者：abacaba

  1. SigAI系列的机器学习和深度学习总结好文

  2. SigAI系列出的总结的有关机器学习和深度学习一系列文章，包括需要的一些数学基本知识，以及经典算法的推导和扩展，内容对找人工智能相关工作的人或者入门机器学习深度学习的人来说，都很有用，推荐学习！

  3. 所属分类：机器学习

    • 发布日期：2019-03-17
    • 文件大小：24117248
    • 提供者：sinat_33486980

  1. 深度学习原理推导与代码实现.pdf

  2. 深度学习原理推导与代码实现--朱明超 Github: github.com/MingchaoZhu/DeepLearning

  3. 所属分类：互联网

    • 发布日期：2020-07-02
    • 文件大小：3145728
    • 提供者：qq_15715197

  1. 深度学习之--CNN卷积神经网络__整理版.docx

  2. 前段时间学习了BP网络和CNN网络，做了一些笔记，整理了相关公式推导，以及一些扩展，算是比较全面的深度学习入门资料啦~

  3. 所属分类：深度学习

    • 发布日期：2020-07-27
    • 文件大小：12582912
    • 提供者：Liyyeee

  1. 深度学习原理与代码.rar

  2. 深度学习 原理推导与代码实现 朱明超

  3. 所属分类：讲义

    • 发布日期：2020-12-18
    • 文件大小：3145728
    • 提供者：weixin_45367509

  1. 深度学习之Tensorflow工程化项目实战 读书笔记（03.18）

  2. 日期：2020.03.18 资料：《深度学习之Tensorflow工程化项目实战》 章节：第四章 代码分析： **·**实例4.4： line14： reader = tf.TextLineReader(skip_header_lines=1) 分析：tf内置处理文本的函数，可以按行读取以换行符为间隔的文本文件 line19：featurecolumn = [i for i in cvscolumn[1:-1]]#遍历取出列表中的第二个到倒数第二个元素组成新列表 分析：列表推导式，效率比for

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：39936
    • 提供者：weixin_38652636

  1. 深度学习（神经网络） —— BP神经网络原理推导及python实现

  2. 深度学习（神经网络） —— BP神经网络原理推导及python实现摘要（一）BP神经网络简介1、神经网络权值调整的一般形式为：2、BP神经网络中关于学习信号的求取方法：（二）BP神经网络原理推导1、变量说明2、BP算法推导（三）BP神经网络python实现1、模型所需传参介绍2、模型具有的主要方法和属性3、python代码4、代码运行结果 摘要 本文首先介绍了BP神经网络求取学习信号的方法，其次对BP神经网络在原理上进行了推导，最后在python上进行编程实现，并将其封装，方便读者直接调用。 （

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：199680
    • 提供者：weixin_38731239

  1. 机器学习笔记：我不断更新的机器学习，概率模型和深度学习笔记和演示（超过2000张幻灯片）我不间断更新的机器学习，概率模型和深度学习的讲义（2000+页）和视频链接-源码

  2. 深度学习中的无限深度深度学习“无限”精彩 神经网络的详细推导为（1）使用中心极限定理的高斯过程（2）神经正切核（NTK）（1）使用中心极限定理详细推导神经网络作为高斯过程（2）神经正切核神经正切核（NTK） 讨论神经ODE，尤其是在参数训练中使用伴随方程讨论神经ODE，尤其是在参数训练中使用伴随方程 Sinovasinovation DeeCamp创新工场DeeCAMP讲义 maxmax的特性，不使用计算分母的情况下估计softmax，概率重新参数化：Gumbel-Max技巧和REBAR算法（

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：87031808
    • 提供者：weixin_42128963

  1. 深度学习：适用于《深度学习》的Python，该书为《深度学习》（花书）数学推导，原理剖析与源码等级代码实现-源码

  2. 深度学习 《深度学习》是深度学习领域唯一的综合性图书，全称也叫做深度学习AI圣经（深度学习） ，由三位全球知名专家Ian Goodfellow，YoshuaBengio，AaronCourville编着，全书囊括了数学及相关概念的背景知识，包括线性代数，概率论，信息论，数值优化以及机器学习中的相关内容。同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络，正则化，优化算法，卷积网络，序列建模和实践方法等，并研究了某种自然语言处理，语音识别，计算机视觉，在线推荐系统，生物信息学以及视

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：29360128
    • 提供者：weixin_42132359
« 12 3 »