【導讀】來自Fariz Darari博士的一份簡明《神經網絡與深度學習》的講義，64頁ppt，可以學習。
付費5元查看完整內容
相關內容
人工神經網絡（Artificial Neural Network，即ANN ），是20世紀80 年代以來人工智能領域興起的研究熱點。它從信息處理角度對人腦神經元網絡進行抽象， 建立某種簡單模型，按不同的連接方式組成不同的網絡。在工程與學術界也常直接簡稱為神經網絡或類神經網絡。神經網絡是一種運算模型，由大量的節點（或稱神經元）之間相互聯接構成。每個節點代表一種特定的輸出函數，稱為激勵函數（activation function）。每兩個節點間的連接都代表一個對于通過該連接信號的加權值，稱之為權重，這相當于人工神經網絡的記憶。網絡的輸出則依網絡的連接方式，權重值和激勵函數的不同而不同。而網絡自身通常都是對自然界某種算法或者函數的逼近，也可能是對一種邏輯策略的表達。
最近十多年來，人工神經網絡的研究工作不斷深入，已經取得了很大的進展，其在模式識別、智能機器人、自動控制、預測估計、生物、醫學、經濟等領域已成功地解決了許多現代計算機難以解決的實際問題，表現出了良好的智能特性。
博士論文
·
【導讀】還在修改博士論文？這份《博士論文寫作技巧》為你指南。
付費5元查看完整內容
博弈論
·
【導讀】一份簡明博弈論教程
付費5元查看完整內容
循環神經網絡
·
【導讀】來自Jordi Pons一份循環神經網絡RNNs簡明教程，37頁ppt
付費5元查看完整內容
本課程涉及深度學習和表示學習的最新技術，重點是有監督和無監督的深度學習、嵌入方法、度量學習、卷積網和遞歸網，并應用于計算機視覺、自然語言理解和語音識別。
第五講：
第六講：
第七講：
付費5元查看完整內容
深度強化學習
·
Deep Reinforcement Learning via Policy Optimization
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191