
Python 神經(jīng)網(wǎng)絡(luò)編程培訓(xùn)
1 預(yù)測器與多分類器
2 矩陣運(yùn)算
3 誤差的反向傳播
4 Python 的基礎(chǔ)教程
5 手寫數(shù)字識別
6 神經(jīng)網(wǎng)絡(luò)的概念
7 信號的正向反饋
8 權(quán)重的優(yōu)化方法
9 使用 Python 手寫神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
10 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化
1
預(yù)測器與分類器
1.人工智能的概念
2.預(yù)測機(jī)
3.分類機(jī)
4.模型的訓(xùn)練
2
多分類器與神經(jīng)網(wǎng)絡(luò)
1.線性分類器的局限
2.激活函數(shù)的意義
3.神經(jīng)網(wǎng)絡(luò)的起源
4.神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
5.模型訓(xùn)練的本質(zhì)
6.全連接的意義
3
神經(jīng)網(wǎng)絡(luò)的正向傳播
1.信號的傳播
2.矩陣的乘法
3.矩陣在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用
4.信號在多層神經(jīng)網(wǎng)絡(luò)中的傳播
4
誤差的反向傳播
1.神經(jīng)網(wǎng)絡(luò)的權(quán)重學(xué)習(xí)
2.反向傳播的意義
3.輸出誤差的分割
4.反向傳播的全過程
5
神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
1.暴力破解權(quán)重的不可行性
2.梯度下降法
3.梯度下降的步長
4.梯度的計算
5.梯度下降在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用
6
參數(shù)的選擇
1.權(quán)重更新的范例
2.激活函數(shù)的選擇
3.初始化權(quán)重的方法
4.目標(biāo)值的使用范圍
7
簡單的 Python 入門
1.變量的定義
2.數(shù)組的定義
3.函數(shù)的定義
4.類的定義
8
使用 Python 制作神經(jīng)網(wǎng)絡(luò)
1.神經(jīng)網(wǎng)絡(luò)類的框架
2.神經(jīng)的初始化
3.神經(jīng)網(wǎng)絡(luò)的查詢
4.神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
9
手寫數(shù)字識別
1.MNIST數(shù)據(jù)的介紹
2.數(shù)據(jù)的預(yù)處理
3.神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練
4.神經(jīng)網(wǎng)絡(luò)模型的預(yù)測
5.神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化
實驗 10
神經(jīng)網(wǎng)絡(luò)的內(nèi)部原理
1.神經(jīng)網(wǎng)絡(luò)的黑盒子
2.神經(jīng)網(wǎng)絡(luò)的逆運(yùn)算
3.神經(jīng)網(wǎng)絡(luò)的向后查詢
4.擴(kuò)大數(shù)據(jù)集的方法
