keras 受限玻尔兹曼机_深度学习：从理论到实践

深度学习的概念已经非常火，并广泛应用在计算机视觉、自然语言处理等人工智能领域中。为什么深度学习在诸多领域应用中的表现，远超传统的机器学习方法？它的原理到底是什么呢？

—— 课程讲师 ——

汪老师团队，成员均为中科院自动化所博士，在领域顶级会议期刊 ICCV、TNNLS、TIP等发表论文20多篇；参加全国视频图像分析技术挑战赛，获得目标检测识别第二名，熟练掌握并应用深度学习Keras框架和Caffe框架。

宫老师，中国科学院自动化研究所博士，模式识别与智能系统专业，在计算机视觉与人工智能领域具有近六年的研究经历。攻读博士学位期间主要研究方向是模式识别与图像处理，曾在模式识别领域内国际主流期刊发表论文，参加某知名互联网公司举办的图像分割竞赛，获得第四名的成绩。目前即将就职于国内某知名外企研究院，任算法工程师一职，主要负责计算机视觉与人工智能方面的算法研发工作。

—— 课程目录(简介) ——

1. 深度学习理论(6学时)

主要包括前馈神经网络(概述、单层神经网络、多层神经网络)，卷积神经网络(基本概念、发展历程、网络特点、网络设置、网络训练以及相关应用)，反馈神经网络(Hopfield网络、玻尔兹曼机、受限玻尔兹曼机等)等。

2. 深度网络常见模型与Keras实战(8学时)

主要包括Keras与残差网络(从LSTM到Highway网络、从Highway网络到残差网络、基于Highway网络的应用)，自动编码机AE及生成对抗网络GAN(AE的起源与变种、生成对抗网络GAN、基于GAN网络的应用)，基于Keras的行为识别(行为识别问题简介、基于深度学习的行为识别常用模型介绍、基于Keras的行为识别实践)，基于Keras的场景分割(场景分割问题简介、基于深度学习的场景分割常用模型介绍、基于Keras的场景分割实践)。

3. 深度学习框架Caffe(4学时)

主要包括Caffe入门(简介、安装和配置、优点与局限性分析、深入Caffe源码、Caffe调试)，Caffe提高(基于Caffe的MINST手写识别、Caffe的Python接口、Caffe修改与添加Layer、网络训练技巧)。

—— 参考资料 ——

《模式分类》、《深度学习-Caffe之经典模型详解与实战》以及Keras中文文档。

—— 开课时间和形式 ——

10月29日~11月26日，连续5周周末(周六、周日)，每晚7点-9点。在线直播课，直播过后一年内可以随时回看视频。

联系客服微信，开启学习之旅