【人工智能二】深度学习期末复习提纲
该篇差不多是人工智能深度学习这块的一个总体梗概,看完应该会很有收获,文章语言风格总体浅显易懂,建议阅读完
推荐一些不错的文章,本文很多内容是从下面抽取出来的,每篇都值得好好读一读
深度学习入门-卷积神经网络(一)卷积层
池化层详细介绍
机器学习的两次浪潮——浅层学习和深度学习
拟合与过度拟合
CNN(卷积层convolutional layer,激励层activating layer,池化层pooling,全连接层fully connected)
求求下面你两篇一定要看:
神经网络激活函数的作用和原理?有没有形象解释?
通俗易懂谈强化学习
蒙特卡洛树搜索(新手教程)
生成对抗网络(GAN)
鲁棒性
机器学习(14)——朴素贝叶斯算法思想:基于概率的预测贝叶斯公式朴素贝叶斯算法示例:文本数据分类
一文读懂目标检测:R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD
YOLO框架简述
一文搞懂RNN(循环神经网络)基础篇
模块一 浅层学习与深度学习实质
模块二 卷积神经网络CNN
模块二-1 卷积神经网络CNN 卷积层(相当于特征提取层,提取出来的叫特征图)
模块二-2 模块填充(padding)
模块二-3 步幅(stride)
模块二-4 偏置
模块二-5 批处理(batch_num)
模块二-6 池化(pooling:最大池化或平均池化&池化的反向传播)
模块二-7 过拟合
模块二-8 激励层&激励函数
模块三 模糊处理
模块三-1 隶属
模块三-2 模糊集合表示
模块三-3 模糊集合运算
模块四 强化学习
模块四-1 强化学习是独立于监督、无监督、半监督以外的反馈学习方式
模块四-2 强化学习难点
模块四-3 Q-Learning
模块四-4 Deep Q Learning(Alpha Go原理)
模块五 对抗神经网络
模块六 文本分析-朴素贝叶斯
模块七 目标检测R-CNN、Fast R-CNN、Faster-RCNN、Yolo V1、Yolo V2、Yolo V3