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 |
深度学习详细课程
最新推荐文章于 2024-06-07 11:27:09 发布