深度学习详细课程

一、深度学习Deep Learning基础和基本思想	1，人工智能概述、计算智能、类脑智能 2，机器学习概述、记忆学习、归纳学习、统计学习 3，深度学习的前生今世、发展趋势 4，人工神经网络、前馈神经网络、BP算法 、Hessian矩阵、结构性特征表示
二、深度学习Deep Learning基本框架结构	1，Caffe            2，Tensorflow 3，Torch            4，MXNet
三，深度学习Deep Learning-卷积神经网络	1，CNN卷积神经网络 卷积层（一维卷积、二维卷积）、池化层（均值池化、最大池化） 全连接层    激活函数层    Softmax层 2，CNN卷积神经网络改进 R-CNN （SPPNET）  Fast-R-CNN  Faster-R-CNN （YOLO、SSD） 3，深度学习的模型训练技巧 4，梯度下降的优化方法详解
四，深度学习Deep Learning-循环神经网络	1， RNN循环神经网络 梯度计算    BPTT 2，RNN循环神经网络改进 LSTM      GRU     Bi-RNN