斯坦福大學(xué)-深度學(xué)習(xí)基礎(chǔ)教程.pdfUFLDL教程
From Ufldl
說(shuō)明：本教程將闡述無(wú)監(jiān)督特征學(xué)習(xí)和深入學(xué)習(xí)的主要觀點(diǎn)。通過學(xué)習(xí)，你也將實(shí)現(xiàn)多個(gè)功能
學(xué)習(xí)/深度學(xué)習(xí)算法，能看到它們?yōu)槟愎ぷ鳎W(xué)習(xí)如何應(yīng)用/適應(yīng)這些想法到新問題上。
本教程假定機(jī)器學(xué)習(xí)的基本知識(shí)（特別是熟悉的監(jiān)督學(xué)習(xí)，邏輯回歸，梯度下降的想法），如果
你不熟悉這些想法，我們建議你去這里
機(jī)器學(xué)習(xí)課程 (http://openclassroom.stanford.edu/MainFolder/CoursePage.php?
course=MachineLearning) ，并先完成第II，III，IV章（到邏輯回歸）。
稀疏自編碼器
神經(jīng)網(wǎng)絡(luò)
反向傳導(dǎo)算法
梯度檢驗(yàn)與高級(jí)優(yōu)化
自編碼算法與稀疏性
可視化自編碼器訓(xùn)練結(jié)果
稀疏自編碼器符號(hào)一覽表
Exercise:Sparse Autoencoder
矢量化編程實(shí)現(xiàn)
矢量化編程
邏輯回歸的向量化實(shí)現(xiàn)樣例
神經(jīng)網(wǎng)絡(luò)向量化
Exercise:Vectorization
標(biāo)簽：
深度學(xué)習(xí)
上傳時(shí)間：
2022-03-27
上傳用戶：kingwide
