文章目录 第01篇 综述《Deep Learning》第一课时1、论文作者简介2、前期知识储备3、课程安排和学习建议4、深度学习背景介绍(第一节)5、监督学习(第二节)6、反向传播(第三节) 第01篇 综述《Deep Learning》第二课时1、卷积神经网络基础2、经典卷积神经网络3、基于CNN的图像理解 第01篇 综述《Deep Learning》第三课时1、分布式特征表示& 语言处理2、循环神经网络3、未来展望 部分内容来源于深度之眼 第01篇 综述《Deep Learning》第一课时 1、论文作者简介 2、前期知识储备 3、课程安排和学习建议 4、深度学习背景介绍(第一节) 5、监督学习(第二节) 6、反向传播(第三节) 链式法则 激活函数 反向传播 第01篇 综述《Deep Learning》第二课时 1、卷积神经网络基础 2、经典卷积神经网络 3、基于CNN的图像理解 第01篇 综述《Deep Learning》第三课时 1、分布式特征表示& 语言处理 通过计算两个词之间的距离来判断两个词的相似度 2、循环神经网络 3、未来展望