机器读心术之神经网络与深度学习(第四期) 机器读心术之神经网络与深度学习(第四期)
所属分类:数据分析
  课程名 : 机器读心术之神经网络与深度学习(第四期)【已结课】 总学费/人 : ¥400 (固定学费:¥100, 逆向学费:¥300) 开课时间 : 2017-01-20 09:00:00 
开课老师 : tigerfish


课程简介:
深度学习正在引发一场深刻的技术革命,这是人类首次如此接近思维的本质。象手写体识别,脸像识别这类系统,过去的思路是从业务背景中线提取特征,然后产生若干辨识逻辑,再形成算法编程实现,但对于像imagenet那样要对上百万的图片进行上千个分类识别的问题,以往的技术就傻眼了,别说逻辑,连特征的提取都因为过于复杂而没办法进行。现在流行的深度学习网络的方法,把逻辑隐藏在成百上千万的神经网络权值里,让特征被自动识别与提取,却能得出让人吃惊的高准确率。给出通用的框架,通过大量学习数据训练出合适的权值,权值就是逻辑,这是未来的方向,那种先设计算法敲代码的日子该一去不复返了,以后甚至程序员的工作都由机器全部完成也不是没有可能。

第1课 跌宕起伏70年:神经网络发展概述;最简单的神经元仿生:单层感知器。
第2课 线性神经网络,BP神经网络,基于梯度下降的各种学习算法;BP神经网络应用:信用识别;为什么BP网络丌能支持太多的隐层数?
第3课 Imagenet介绍。BP神经网络应用:图像压缩;稀疏自动编码器与特征提取。
第4课 能联想和记忆的Hopfield神经网络,DHNN与DCNN;应用:OCR识别,解决旅行商问题。
第5课 模拟退火算法与Boltzmann机:随机版的Hopfield神经网络。
第6课 马尔科夫链;受限Boltzmann机RBM,Gibbs采样,CD学习算法。
第7课 应用RBM进行协同过滤;深度置信网络(DBN):利用堆叠的RBM进行权值预训练,应用于图像编码与解码,图像识别;生成式模型与判别式模型。
第8课 万能逼近器:径向基神经网络;PCA与SVM神经网络。
第9课 局部感受野与卷积神经网络CNN;经典应用:MNIST手写体数字识别,Imagenet图像识别;GPU计算。
第10课 计算机博弈原理,深度学习与AlphaGo,价值网络与策略网络的设计,构成和训练。
第11课 蒙特卡洛树搜索与强化学习,Deepmind通用人工智能的尝试。堆叠150层的超深度网络:深度残差网络及其在Imagenet比赛中的表现。
第12课 递归神经网络RNN;ELMAN和NARX;BPTT学习算法;对抗梯度消失;LSTM原理与结构。
第13课 深度学习在自然语言处理中的应用,word2vec原理与实践;CBOW与Skip-gram;NLP的基本问题,将LSTM应用于中文自动分词和命名实体识别。


 

GMT+8, 2017-10-21 03:43 , Processed in 0.075579 second(s), 27 queries .