深度學習正在引發(fā)一場深刻的技術革命，這是人類首次如此接近思維的本質(zhì)。象手寫體識別，臉像識別這類系統(tǒng)，過去的思路是從業(yè)務背景中線提取特征，然后產(chǎn)生若干辨識邏輯，再形成算法編程實現(xiàn)，但對于像imagenet那樣要對上百萬的圖片進行上千個分類識別的問題，以往的技術就傻眼了，別說邏輯，連特征的提取都因為過于復雜而沒辦法進行。現(xiàn)在流行的深度學習網(wǎng)絡的方法，把邏輯隱藏在成百上千萬的神經(jīng)網(wǎng)絡權值里，讓特征被自動識別與提取，卻能得出讓人吃驚的高準確率。給出通用的框架，通過大量學習數(shù)據(jù)訓練出合適的權值，權值就是邏輯，這是未來的方向，那種先設計算法敲代碼的日子該一去不復返了，以后甚至程序員的工作都由機器全部完成也不是沒有可能。
第1節(jié) 跌宕起伏70年：神經(jīng)網(wǎng)絡發(fā)展概述；最簡單的神經(jīng)元仿生：單層感知器
第2節(jié) 線性神經(jīng)網(wǎng)絡，BP神經(jīng)網(wǎng)絡，基于梯度下降的各種學習算法
第3節(jié) BP神經(jīng)網(wǎng)絡應用，圖像壓縮，信用識別；稀疏自動編碼器與特征提取
第4節(jié) 能聯(lián)想和記憶的Hopfield神經(jīng)網(wǎng)絡，DHNN與DCNN；應用：OCR識別，解決旅行商問題
第5節(jié) 模擬退火算法與Boltzmann機：隨機版的Hopfield神經(jīng)網(wǎng)絡
第6節(jié) 受限Boltzmann機RBM，應用RBM進行協(xié)同過濾
第7節(jié) 深度置信網(wǎng)絡：利用堆疊的RBM進行權值預訓練，應用于圖像編碼與解碼，圖像識別
第8節(jié) 萬能逼近器：徑向基神經(jīng)網(wǎng)絡；PCA與SVM神經(jīng)網(wǎng)絡
第9節(jié) 自組織競爭神經(jīng)網(wǎng)絡，遞歸神經(jīng)網(wǎng)絡
第10節(jié) 卷積神經(jīng)網(wǎng)絡；經(jīng)典應用：MNIST手寫體數(shù)字識別，Imagenet圖像識別
第11節(jié) 計算機博弈原理，蒙特卡洛樹搜索，深度學習與AlphaGo，價值網(wǎng)絡與策略網(wǎng)絡的設計，構(gòu)成和訓練
第12節(jié) 深度學習在自然語言處理中的應用
第13節(jié) 堆疊150層的超深度網(wǎng)絡：深度殘差網(wǎng)絡
|
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業(yè)