搜索资源列表
《神经网络与深度学习》讲义-邱锡鹏
- 《神经网络与深度学习》讲义-邱锡鹏 一个人在不接触对方的情况下，通过一种特殊的方式，和对方进行 一系列的问答。如果在相当长时间内，他无法根据这些问题判断对方是 人还是计算机，那么就可以认为这个计算机是智能的。(Lectures on neural networks and deep learning - Qiu Xipeng A person who has no contact with each other has a series of questions and answers wi
案例1 BP神经网络的数据分类-语音特征信号分类
- 简单的bp神经网络，是一个语音信号的简单建模和处理，结构深度是3层(simple MATLAB code example for BP network)
深度学习(中英文双版)
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。(The concept of deep learning stems from the study of artificial neural networks. A multilayer perceptron with a hidden layer is a depth learning structure. Depth le
深度自动编码器的研究与展望_曲建岭
- 到于深度自动编码器编码器的原理，构建过程等的简要介绍(A brief introduction to Deep Auto-encoders.)
神经网络与深度学习
- 介绍神经网络和深度学习，还有部分代码讲解(Introduction to neural networks and depth learning, there are some code to explain)
TensorFlow实战Google深度学习框架
- 《TensorFlow：实战Google深度学习框架》图书中的所有神经网络的相关代码(All related code of all kinds of neural network mentioned in "TensorFlow: practice of Google deep learning framework")
深度卷积神经网络
- 作为类脑计算领域的一个重要研究成果，深度卷积神经网络已经广泛应用到计算机视觉、自然语言处理、信息检索、语音识别、语义理解等多个领域，在工业界和学术界掀起了神经网络研究的浪潮，促进了人工智能的发展。卷积神经网络直接以原始数据作为输入，从大量训练数据中自动学习特征的表示。(As the important research achievement, deep convolutional neural networks have been widely applied to various fiel
神经网络与深度学习讲义20151211
- 讲解了神经网络原理和和机器学习有关知识，和入门学习所需要的数学基础知识(Explains the principles of neural networks and the basic knowledge required)
神经网络与深度学习讲义
- 神经网络与深度学习讲义,邱锡鹏讲义，2015年12月11日(A lecture on neural network and deep learning)
07 神经网络与深度学习
- 人工神经网络（Artificial Neural Networks，ANN）系统是 20 世纪 40 年代后出现的。它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信 息存储、良好的自组织自学习能力等特点。BP（Back Propagation）算法又称为误差 反向传播算法，是人工神经网络中的一种监督式的学习算法。BP 神经网络算法在理 论上可以逼近任意函数，基本的结构由非线性变化单元组成，具有很强的非线性映射能力。(The Artificial Neural Network
神经网络与深度学习讲义
- 邱锡鹏老师的神经网络讲义，对想进入深度学习领域的同学很有帮助(Qiu Xipeng's neural network lecture is very helpful for students who want to get into the field of deep study)
深度学习
- 深度学习概念、基本模型介绍、机器学习基础、深度前馈网络(An introduction to the concept of deep learning and the basic model)
01-第一课 神经网络和深度学习
- 吴恩达人工智能课程，第一课神经网络和深度学习的课后练习题以及答案(The Andrew Ng artificial intelligence course, the first lesson of the neural network and the intensive study exercises and the answers)
deep-residual-networks-master
- 深度残差网络实现代码，有何凯明在2015年提出的残差网络，映入了自我影射，解决了深度网络的退化问题(deep residual network)
Deep_Learning(深度学习)
- 深度学习入门教程，由浅入深，包含深度学习的基本思想，各种训练模型已经卷积神经网络相关内容(Deep learning introduction course, from shallow to deep, including deep learning basic ideas, various training models have convolution neural network related content)
基于网络通信&多路径&死胡同的java迷宫
- 1.基于网络通信的走迷宫 2.算法为栈，深度优先搜索遍历 3.基于线程 4.多路径的寻找 5.死胡同的判别 6.基于GUI实现(1. the maze of maze based on network communication 2. algorithm is the stack, the depth first search traversal 3. based on threads 4. The search for themultipath 5. Discriminat
深度学习.pdf
- 深度学习-MIT资料 里面介绍了很多深度学习的知识从最简单的回归问题到最深刻的神经网络深入浅出(Deep learning -MIT information introduces a lot of deep learning knowledge from the simplest regression to the deepest neural network.)
神经?络和深度学习
- 本书作者为Michael Nielsen，详细介绍了神经网络和深度学习的相关概念，算法原理。(Neural Networks and Deep learning algorithms introduction by Michael Nielsen.)
DropOut深度网络
- 深度神经网络在测试时面对如此大的网络是很难克服过拟合问题的。 Dropout能够很好地解决这个问题。通过阻止特征检测器的共同作用来提高神经网络的性能。这种方法的关键步骤在于训练时随机丢失网络的节点单元包括与之连接的网络权值。在训练的时候，Dropout方法可以使得网络变得更为简单紧凑。在测试阶段，通过Dropout训练得到的网络能够更准确地预测网络的输出。这种方式有效的减少了网络的过拟合问题，并且比其他正则化的方法有了更明显的提升。 本文通过一个简单的实验来比较使用Dropout方法前后网络
第三代神经网络
- 本文主要介绍深度学习以及复杂layman形式运算的深度网络。通过真实数据的实验，定量比较，证实（或证伪）深度神经网络理论在外汇交易中的优势。当前主要用途是分类，基于深度神经网络模型创建一个指标和一个EA，根据客户端/服务器的方式进行运作，并对它们进行测试。(This paper mainly introduces deep learning and deep network of complex layman form operations. Through real data experime