[深度学习] 深度学习 深度前馈网络

说明：MIT版深度学习第6章 深度前馈网络。 深度前馈网络也被称为前馈神经网络或者多层感知机是典型的深度学习模型。
<baidu_35560935> 上传 | 大小：26mb

[深度学习] 深度学习的正则化 Regularization for Deep Learning

说明：MIT版深度学习第6章 深度学习的正则化 。 正则化的定义为旨在减少学习算法的泛化误差而不是训练误差的修改，训练神经网络中，常常会出现过拟合的问题
<baidu_35560935> 上传 | 大小：19mb

[深度学习] 深度学习模型训练的优化

说明：MIT版深度学习第8章 深度学习模型训练的优化 ，介绍各种优化算法：随机梯度下降算法，动量算法，自适应学习率的优化算法
<baidu_35560935> 上传 | 大小：26mb

[深度学习] 深度学习 卷积网络

说明：MIT版深度学习第9章 卷积网络 。 ，卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。
<baidu_35560935> 上传 | 大小：18mb

[深度学习] 深度学习循环神经网络

说明：MIT版深度学习第10章 循环神经网络 。 循环神经网络用于处理连续性数据，基础的神经网络只在层与层之间建立了权连接，RNN最大的不同之处就是在层之间的神经元之间也建立的权连接
<baidu_35560935> 上传 | 大小：20mb

[深度学习] 深度学习实践方法和应用

说明：MIT版深度学习第11章 深度学习实践方法， 第12章应用，介绍大规模网络，cpu 加速，GPU加速
<baidu_35560935> 上传 | 大小：30mb

[深度学习] 深度学习 线性因子模型

说明：MIT版深度学习第13章 深度学习线性因子模型.线性因子模型被定义为通过随机、线性的解码器模型（decoder function），通过在一个线性变换加上噪声，来生成输入空间
<baidu_35560935> 上传 | 大小：5mb

[深度学习] 深度学习的 自编码器

说明：MIT版深度学习第14章 自编码器 ，非监督学习对没有标记的数据最常见的应用就是通过聚类(Clustering)的方式将数据进行分类，高维的数据要用自编码器来降低数据的维度
<baidu_35560935> 上传 | 大小：10mb

[深度学习] 深度学习中的结构化概率模型

说明：MIT版深度学习第16章，结构化概率模型， 非结构化概率模型用条件概率公式/贝叶斯公式来描述概率分布中随机变量之间的相互关系，结构化概率模型使用图来表示随机 变量之间的相互作用。主要介绍了结构化模型的优势、有向图、无向图等表示方式以及如何利用结构化模型进行推断等 。
<baidu_35560935> 上传 | 大小：13mb

[深度学习] 深度学习 表征学习.pdf

说明：表征学习是学习一个特征的技术的集合：将原始数据转换成为能够被机器学习来有效开发的一种形式。它避免了手动提取特征的麻烦，允许计算机学习使用特征的同时，也学习如何提取特征
<baidu_35560935> 上传 | 大小：14mb

[深度学习] 深度学习 蒙特卡罗方法

说明：蒙特卡罗方法(Monte Carlo Methods)是强化学习中基于无模型的训练方法 蒙特卡罗预测的目的是来预测状态值(state value)。
<baidu_35560935> 上传 | 大小：6mb

[深度学习] 线性回归和前馈神经网络PPT

说明：一共13页PPT，概述了线性回归和前馈神经网络，线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。
<Northpavilion> 上传 | 大小：923kb