深度神经网络算法全套

教程詳情

文件下載	文件名稱：深度神經網絡算法全套	文件大小：21.1GB
	下載聲明：本站文件大多來自于網絡，僅供學習和研究使用，不得用于商業用途，如有版權問題，請聯系博豬！
	下載地址：下載教程

教程目錄：
├─(基礎1)Python程序入門視頻
│ ├─視頻
│ │ 1.1_課程Python介紹_壓縮.mp4
│ │ 1.2環境配置1.mp4
│ │ 1.3配置Python環境2.mp4
│ │ 2.1Package以及數據類型.mp4
│ │ 2.2_Part2字符串String和變量Variable.mp4
│ │ 2.2_數據類型2整型_字符串.mp4
│ │ 3.1數據結構列表List.mp4
│ │ 3.2_Part2列表List元組tuple對比.mp4
│ │ 3.2元組Tuple.mp4
│ │ 3.3詞典Dictionary.mp4
│ │ 3.4函數function1.mp4
│ │ 3.4函數Function2.mp4
│ │ 4.1控制流1IfFor.mp4
│ │ 4.2控制流2WhileRangePart1.mp4
│ │ 4.2控制流2WhileRangePart2.mp4
│ │ 4.3控制流2BreakContinuePass.mp4
│ │ 5.1輸入輸出格式IoConsole.mp4
│ │ 5.2文件輸入輸出FileIo.mp4
│ │ 6.1錯誤與異常ErrorsExceptions.mp4
│ │ 7.1面向對象以及裝飾器OoDecorators.mp4
│ │ 8.1圖形界面介紹GuiTkinter.mp4
│ │ 8.2猜數字遊戲.mp4
│ │ 9創建網頁.mp4
│ │ 去重4.2控制流2WhileRangePart2.mp4
│ │ 重錄3.4Function1.mp4
│ │
│ └─課件
│ 1.2：安裝Python和配置環境.html
│ 1.2：安裝Python和配置環境_index.html
│ 1.3 配置PyDev.html
│ 1.3 配置PyDev_index.html
│ 2.1 Package以及數據類型1.html
│ 2.1 Package以及數據類型1_index.html
│ 2.2 數據類型2 Numeric & String.html
│ 2.2 數據類型2 Numeric & String_index.html
│ 2.2_Part2 字符串(String), & 變量 (Variable).html
│ 3.1 數據結構：列表（List）.html
│ 3.2 數據結構：元組（tuple）.html
│ 3.2_Part2 列表(List)與元組(tuple)的對比：.html
│ 3.3 字典 (Dictionary).html
│ 3.4 函數 (Function) Part 1.html
│ 3.4 函數 (Function) Part 2.html
│ 4.1 控制流1： if & for 語句.html
│ 4.2 控制流2：while & range語句.html
│ 4.3 控制流3：break, continue & pass.html
│ 5.1 輸入輸出方式介紹(Output Format).html
│ 5.2 讀寫文件(File IO).html
│ 6.1 錯誤與異常處理(Error & Exceptions).html
│ 7.1 面向對象編程(Object-Oriented)和裝飾器(decorator).html
│ 8.1 圖形界面（GUI）和猜數字遊戲.html
│ 8.2 猜數字遊戲.html
│ 9 創建一個簡單的網站.html
│ Python語言編程基礎 (Introduction to Programming in Python).html
│ 去重3.2_Part2列表List元組tuple對比.mp4
│ 重新編碼3.4function1.mp4
│
├─(基礎2)機器學習深度學習基礎
│ │ 代碼與素材.rar
│ │
│ ├─視頻
│ │ 1.1課程介紹機器學習介紹上.mp4
│ │ 1.1課程介紹機器學習介紹下.mp4
│ │ 1.2深度學習介紹.mp4
│ │ 2基本概念.mp4
│ │ 3.1決策樹算法.mp4
│ │ 3.2決策樹應用.mp4
│ │ 4.1最鄰近規則分類KNN算法.mp4
│ │ 4.2最鄰近規則KNN分類應用.mp4
│ │ 5.1 支持向量機(SVM)算法（上）.html
│ │ 5.1 支持向量機(SVM)算法（上）應用.html
│ │ 5.1支持向量機SVM上.mp4
│ │ 5.1支持向量機SVM上應用.mp4
│ │ 6.2神經網絡算法應用上.mp4
│ │ 6.3神經網絡算法應用下.mp4
│ │ 7.1簡單線性回歸上.mp4
│ │ 7.2簡單線性回歸下.mp4
│ │ 7.3多元線性回歸.mp4
│ │ 7.4多元線性回歸應用.mp4
│ │ 7.5非線性回歸 Logistic Regression.mp4
│ │ 7.6非線性回歸應用.mp4
│ │ 7.7回歸中的相關度和決定系數.mp4
│ │ 7.8回歸中的相關性和R平方值應用.mp4
│ │ 8.1Kmeans算法.mp4
│ │ 8.2Kmeans應用.mp4
│ │ 8.3Hierarchical clustering 層次聚類.mp4
│ │ 8.4Hierarchical clustering 層次聚類應用.mp4
│ │ 總結.mp4
│ │ 支持向量機(SVM)算法(下)應用.mp4
│ │ 支持向量機(SVM)算法下.mp4
│ │ 神經網絡NN算法.mp4
│ │
│ └─課件
│ │ 1.1 課程介紹 & 機器學習介紹.html
│ │ 1.2 深度學習(Deep Learning)介紹.html
│ │ 2 基本概念 (Basic Concepts).html
│ │ 3.1 決策樹(decision tree)算法.html
│ │ 3.2 決策樹(decision tree)應用.html
│ │ 4.1 最鄰近規則分類(K-Nearest Neighbor)KNN算法.html
│ │ 4.2 最鄰近規則分類(K-Nearest Neighbor)KNN算法應用.html
│ │ 5.1 支持向量機(SVM)算法（上）.html
│ │ 5.1 支持向量機(SVM)算法（上）應用.html
│ │ 5.2 支持向量機(SVM)算法（下）.html
│ │ 5.3 支持向量機(SVM)算法（下）應用.html
│ │ 6.1 神經網絡算法(Nerual Networks)（上）.html
│ │ 6.2 神經網絡算法(Nerual Networks)應用(上）.html
│ │ 6.3 神經網絡算法(Nerual Networks)應用(下）.html
│ │ 7.1 簡單線性回歸 (Simple Linear Regression)上.html
│ │ 7.1 簡單線性回歸 (Simple Linear Regression)下.html
│ │ 7.3　多元回歸分析(multiple regression).html
│ │ 7.4　多元回歸分析(multiple regression)應用.html
│ │ 7.5 非線性回歸 logistic regression.html
│ │ 7.6 非線性回歸應用：losgistic regression application.html
│ │ 7.7 回歸中的相關度和R平方值.html
│ │ 7.8 回歸中的相關度和R平方值應用.html
│ │ 8.1 聚類(Clustering) K-means算法.html
│ │ 8.2 聚類(Clustering) K-means算法應用.html
│ │ 8.3 聚類(Clustering) hierarchical clustering 層次聚類.html
│ │ 8.4 聚類(Clustering) hierarchical clustering 層次聚類應用.html
│ │ 810a19d8bc3eb1351e89fd05a41ea8d3fc1f44c5.jpg
│ │ HierachecalClustering.png
│ │
│ ├─1.2 深度學習(Deep Learning)介紹_files
│ │ 1-BOngaxvWRFHm3O2yo3YPhA.jpeg
│ │ 1-RbQSv8m3SjBsWBniYdgwQQ.jpeg
│ │ 1-sIKCN5ddB0BP55WxlYqtYg.jpeg
│ │ DeepNetwork.png
│ │ images [1].jpg
│ │ images.jpg
│ │ imgres [1].jpg
│ │ imgres [2].jpg
│ │ imgres [3].jpg
│ │ imgres [4].jpg
│ │ imgres [5].jpg
│ │ imgres [6].jpg
│ │ imgres.jpg
│ │ science-journal.gif
│ │
│ ├─3.1 決策樹(decision tree)算法_files
│ │ c2cec3fdfc0392456a6ac4258694a4c27d1e2538.jpg
│ │ Image [1].png
│ │ Image [2].png
│ │ Image [3].png
│ │ Image [4].png
│ │ Image [5].png
│ │ Image [6].png
│ │ Image [7].png
│ │ Image [8].png
│ │ Image.png
│ │
│ ├─3.2 決策樹(decision tree)應用_files
│ │ Image.png
│ │
│ ├─4.1 最鄰近規則分類(K-Nearest Neighbor)KNN算法_files
│ │ Image [1].png
│ │ Image [2].png
│ │ Image [3].png
│ │ Image [4].png
│ │ Image.png
│ │ images.jpg
│ │ imgres.png
│ │
│ ├─4.2 最鄰近規則分類(K-Nearest Neighbor)KNN算法應用_files
│ │ kahi2.jpg
│ │ Virginia_Iris.png
│ │
│ ├─5.1 支持向量機(SVM)算法（上）_files
│ │ 220px-Svm_separating_hyperplanes_(SVG).svg.png
│ │ Image [10].png
│ │ Image [11].png
│ │ Image [12].png
│ │ Image [13].png
│ │ Image [14].png
│ │ Image [15].png
│ │ Image [1].png
│ │ Image [2].png
│ │ Image [3].png
│ │ Image [4].png
│ │ Image [5].png
│ │ Image [6].png
│ │ Image [7].png
│ │ Image [8].png
│ │ Image [9].png
│ │ Image.png
│ │ images [1].jpg
│ │ images.jpg
│ │
│ ├─5.2 支持向量機(SVM)算法（下）_files
│ │ Image [10].png
│ │ Image [11].png
│ │ Image [12].png
│ │ Image [1].png
│ │ Image [2].png
│ │ Image [3].png
│ │ Image [4].png
│ │ Image [5].png
│ │ Image [6].png
│ │ Image [7].png
│ │ Image [8].png
│ │ Image [9].png
│ │ Image.png
│ │ main-qimg-b88037063b9a4cae241ee6b0ab841356.png
│ │ main-qimg-de8f2ca9c807ee184e2509639fce066d.jpg
│ │ main-qimg-dff9507297a2320460ff4d9cd5825683.png
│ │
│ ├─6.1 神經網絡算法(Nerual Networks)（上）_files
│ │ cross_validation.jpg
│ │ Image [10].png
│ │ Image [11].png
│ │ Image [12].png
│ │ Image [13].png
│ │ Image [14].png
│ │ Image [1].png
│ │ Image [2].png
│ │ Image [3].png
│ │ Image [4].png
│ │ Image [5].png
│ │ Image [6].png
│ │ Image [7].png
│ │ Image [8].png
│ │ Image [9].png
│ │ Image.png
│ │
│ ├─6.2神經網絡算法應用上
│ │ 6.2神經網絡算法應用上.mp4
│ │
│ ├─6.3神經網絡算法應用下
│ │ 6.3神經網絡算法應用下.mp4
│ │
│ ├─7.1 簡單線性回歸 (Simple Linear Regression)上_files
│ │ Image [1].png
│ │ Image [2].png
│ │ Image [3].png
│ │ Image [4].png
│ │ Image [5].png
│ │ Image [6].png
│ │ Image [7].png
│ │ Image.png
│ │
│ ├─7.1 簡單線性回歸 (Simple Linear Regression)下_files
│ │ Image [1].png
│ │ Image [2].png
│ │ Image [3].png
│ │ Image [4].png
│ │ Image [5].png
│ │ Image [6].png
│ │ Image.png
│ │
│ ├─7.3　多元回歸分析(multiple regression)_files
│ │ Image [1].png
│ │ Image.png
│ │
│ ├─7.5 非線性回歸 logistic regression_files
│ │ 001QAImHgy6I1oEKVWg50&690.jpg
│ │ 001QAImHgy6I1oGTmnA36&690.jpg
│ │ 001QAImHgy6I1ohlalO18&690.jpg
│ │ 001QAImHgy6I1oi9u8Kae&690.jpg
│ │ 001QAImHgy6I1ojfTjYaa&690.jpg
│ │ 001QAImHgy6I1oJm3Qz27&690.jpg
│ │ 001QAImHgy6I1ok9Brb61&690.jpg
│ │ 001QAImHgy6I1olbW3yfc&690.jpg
│ │ 001QAImHgy6I1omK5aoc8&690.jpg
│ │ 001QAImHgy6I1osqQ7lc7&690.jpg
│ │ 001QAImHgy6I1otAWE890&690.jpg
│ │ 001QAImHgy6I1oudixl13&690.jpg
│ │ 001QAImHgy6I1owps7Ud2&690.jpg
│ │ 8694e4193ba45b55403595096b7d23c5.png
│ │ Image [1].png
│ │ Image.png
│ │ imgres [1].jpg
│ │ imgres.jpg
│ │
│ ├─7.7 回歸中的相關度和R平方值_files
│ │ cb8065380cd7912374922436af345982b2b78006.png
│ │ Image.png
│ │ imgf000045_0001.png
│ │ imgres [1].jpg
│ │ imgres [1].png
│ │ imgres.jpg
│ │ imgres.png
│ │
│ ├─8.1 聚類(Clustering) K-means算法_files
│ │ Image [10].png
│ │ Image [11].png
│ │ Image [12].png
│ │ Image [13].png
│ │ Image [1].png
│ │ Image [2].png
│ │ Image [3].png
│ │ Image [4].png
│ │ Image [5].png
│ │ Image [6].png
│ │ Image [7].png
│ │ Image [8].png
│ │ Image [9].png
│ │ Image.png
│ │ imgres [1].jpg
│ │ imgres.jpg
│ │
│ └─8.3 聚類(Clustering) hierarchical clustering 層次聚類_files
│ 810a19d8bc3eb1351e89fd05a41ea8d3fc1f44c5.png
│
├─(基礎3)機器學習深度學習基礎
│ ├─視頻
│ │ 第10章神經網絡手寫數字演示.mp4
│ │ 第11章 Backpropagation算法上.mp4
│ │ 第12章 Backpropagation算法下.mp4
│ │ 第13章 Backpropagation算法實現.mp4
│ │ 第14章 cross-entropy函數.mp4
│ │ 第15章 Softmax和Overfitting.mp4
│ │ 第16章 Regulization.mp4
│ │ 第17章 Regulazition和Dropout.mp4
│ │ 第18章正态分布和初始化(修正版).mp4
│ │ 第19章提高版本的手寫數字識别實現.mp4
│ │ 第1章基本概念清晰版.mp4
│ │ 第20章神經網絡參數hyper-parameters選擇.mp4
│ │ 第21章深度神經網絡中的難點.mp4
│ │ 第22章用ReL解決VanishingGradient問題.mp4
│ │ 第23章 ConvolutionNerualNetwork算法.mp4
│ │ 第24章 ConvolutionNeuralNetwork實現上.mp4
│ │ 第25章 ConvolutionNeuralNetwork實現下.mp4
│ │ 第26章 Restricted Boltzmann Machine.mp4
│ │ 第27章 Restricted Boltzmann Machine下.mp4
│ │ 第28章 Deep Brief Network 和 Autoencoder.mp4
│ │ 第2章軟件包安裝和環境配置總述.mp4
│ │ 第3章環境配置分部詳解.mp4
│ │ 第4章環境配置分部詳解下.mp4
│ │ 第5章手寫數字識别.mp4
│ │ 第6章神經網絡基本結構及梯度下降算法.mp4
│ │ 第7章随機梯度下降算法.mp4
│ │ 第8章梯度下降算法實現上.mp4
│ │ 第9章梯度下降算法實現下.mp4
│ │
│ └─課件
│ 深度學習進階課件.rar
│
├─Matlab與機器學習
│ ├─01 MATLAB入門基礎
│ │ Class_1.mp4
│ │ Class_1.pdf
│ │ Class_1_Code.rar
│ │ MATLAB揭秘.pdf
│ │
│ ├─02MATLAB進階與提高
│ │ Class_02.flv.avi
│ │ Class_02.flv.avi.baiduyun.downloading
│ │ Class_2.pdf
│ │ Class_2_Code.rar
│ │
│ ├─03BP神經網絡
│ │ Class_03.flv.avi
│ │ Class_3.pdf
│ │ Class_3_Code.rar
│ │ Homework_Dataset.rar
│ │
│ ├─04RBF、GRNN和PNN神經網絡
│ │ Class_04.flv.avi
│ │ Class_4.pdf
│ │ Class_4_Code.rar
│ │ Homework_Dataset.rar
│ │
│ ├─05 競争神經網絡與SOM神經網絡
│ │ Class_05.flv.avi
│ │ Class_5.pdf
│ │ Class_5_Code.rar
│ │
│ ├─06 支持向量機（Support Vector Machine, SVM）
│ │ Class_06.flv.avi
│ │ Class_6.pdf
│ │ Class_6_Code.rar
│ │
│ ├─07 極限學習機（Extreme Learning Machine, ELM）
│ │ Class_7.flv.avi
│ │ Class_7.pdf
│ │ Class_7_Code.rar
│ │
│ ├─08 決策樹與随機森林
│ │ Class_8.flv.avi
│ │ Class_8.pdf
│ │ Class_8_Code.rar
│ │ MacOS_precompiled-WITHOUT_SOURCE-v0.02.tar
│ │ Windows-Precompiled-RF_MexStandalone-v0.02-.zip
│ │
│ ├─09 遺傳算法（Genetic Algorithm, GA）
│ │ Class_9.flv.avi
│ │ Class_9.pdf
│ │ Class_9_Code.rar
│ │
│ ├─10 粒子群優化（Particle Swarm Optimization, PSO）算法
│ │ Class_10.flv.avi
│ │ Class_10.pdf
│ │ Class_10_Code.rar
│ │
│ ├─11蟻群算法（Ant Colony Algorithm, ACA）
│ │ Class_11.flv.avi
│ │ Class_11.pdf
│ │ Class_11_Code.rar
│ │ 作業.txt
│ │
│ ├─12模拟退火算法（Simulated Annealing, SA）
│ │ Class_12.flv.avi
│ │ Class_12.pdf
│ │ Class_12_Code.rar
│ │ 作業.txt
│ │
│ └─13降維與特征選擇
│ Class_13.flv.avi
│ Class_13.pdf
│ Class_13_Code.rar
│ References.rar
│ 作業.txt
│
├─機器學習深入研究
│ ├─(01)機器學習與相關數學初步
│ │ (1)機器學習與相關數學初步.avi
│ │ (1)機器學習初步與微積分概率論.pdf
│ │
│ ├─(02)數理統計與參數估計
│ │ (2)數理統計與參數估計.avi
│ │ (2)數理統計與參數估計.pdf
│ │
│ ├─(03)矩陣分析與應用
│ │ (3)矩陣分析與應用.avi
│ │ (3)矩陣分析與應用.pdf
│ │
│ ├─(04)凸優化初步
│ │ (4)凸優化初步.avi
│ │ (4)凸優化初步.pdf
│ │
│ ├─(05)回歸分析與工程應用
│ │ │ (5)回歸分析與工程應用.avi
│ │ │
│ │ └─課件和數據及代碼
│ │ │ 4月班第5課課件：回歸及工程應用經驗.pdf
│ │ │ data1.txt
│ │ │ data2.txt
│ │ │ logistic_regression_example.ipynb
│ │ │ Untitled.ipynb
│ │ │
│ │ └─.ipynb_checkpoints
│ │ logistic_regression_example-checkpoint.ipynb
│ │ Untitled-checkpoint.ipynb
│ │
│ ├─(06)特征工程
│ │ │ (6)特征工程.avi
│ │ │
│ │ └─課件與數據及代碼
│ │ 4月班第6課課件：特征工程.pdf
│ │ feature_engineering_example.ipynb
│ │ kaggle_bike_competition_train.csv
│ │
│ ├─(07)工作流程與模型調優
│ │ (7)工作流程與模型調優.avi
│ │ (7)工作流程與模型調優.zip
│ │
│ ├─(08)最大熵模型與EM算法
│ │ (8)最大熵模型與EM算法.avi
│ │ (8)最大熵模型與EM算法.pdf
│ │
│ ├─(09)推薦系統與應用
│ │ │ (9)推薦系統與應用.avi
│ │ │
│ │ └─(9)推薦系統與應用
│ │ 4月機器學習班第9課--推薦系統.pdf
│ │ CF&&MF recommendation system.zip
│ │ Reccomendation System Examples.ipynb
│ │
│ ├─(10)聚類算法與應用
│ │ (10)聚類算法與應用.avi
│ │ (10)聚類算法與應用.pdf
│ │
│ ├─(11)決策樹随機森林和adaboost
│ │ │ (11)決策樹随機森林adaboost.avi
│ │ │ (11)決策樹随機森林adaboost.pdf
│ │ │
│ │ └─代碼
│ │ │ randomforests.py
│ │ │ randomforests.pyc
│ │ │ samtrain.csv
│ │ │ samval.csv
│ │ │ 随機森林.ipynb
│ │ │
│ │ └─.ipynb_checkpoints
│ │ 随機森林-checkpoint.ipynb
│ │
│ ├─(12)SVM
│ │ │ (12)SVM.avi
│ │ │ (12)SVM.pdf
│ │ │ (12)支持向量機.ipynb
│ │ │
│ │ ├─(補充材料1)SVM補充視頻
│ │ │ 補充SVM視頻下載地址.txt
│ │ │
│ │ └─(補充材料2)SVM的Python程序代碼
│ │ sklearnExample.py
│ │
│ ├─(13)貝葉斯方法
│ │ (13)貝葉斯方法.avi
│ │ (13)貝葉斯方法.pdf
│ │ naive_bayes-master.zip
│ │
│ ├─(14)主題模型
│ │ (14)主題模型.avi
│ │ (14)主題模型.pdf
│ │ (補充閱讀材料1)Comparing LDA with pLSI as a Dimensionality Reduction Method in Document Clustering.pdf
│ │ (補充閱讀材料2)Investigating task performance of probabilistic topic models - an empirical study of PLSA and LDA.pdf
│ │ LDAClassify.zip
│ │
│ ├─(15)貝葉斯推理采樣與變分
│ │ (15)貝葉斯推理-采樣與變分簡介.pdf
│ │ (15)貝葉斯推理采樣變分方法.avi
│ │ gibbsGauss.py
│ │
│ ├─(16)人工神經網絡
│ │ (16)人工神經網絡.avi
│ │ (16)人工神經網絡.pdf
│ │ Lesson_16_Neural_network_example.ipynb
│ │
│ ├─(17)卷積神經網絡
│ │ (17)卷積神經網絡.avi
│ │ (17)卷積神經網絡.pdf
│ │
│ ├─(18)循環神經網絡與LSTM
│ │ (18)循環神經網絡與LSTM.pdf
│ │ (18)循環神經網絡和LSTM.avi
│ │
│ ├─(19)Caffe&Tensor Flow&MxNet 簡介
│ │ (19)Caffe&Tensor Flow&MxNet 簡介.avi
│ │ (19)Caffe&Tensor Flow&MxNet 簡介.pdf
│ │
│ ├─(20)貝葉斯網絡和HMM
│ │ (20)貝葉斯網絡和HMM.avi
│ │ (20)貝葉斯網絡和HMM.pdf
│ │
│ └─(額外補充)詞嵌入word embedding
│ (額外補充)詞嵌入word embedding.avi
│ (額外補充)詞嵌入原理及應用簡介.pdf
│
├─深度學習深入與強化(1)
│ ├─第10課更多框架
│ │ 5月班第10課_framework.pdf
│ │ 第10課更多框架.avi
│ │
│ ├─第1課機器學習中數學基礎
│ │ 五月班第一次課件：機器學習中數學基礎 (1).pdf
│ │ 第1課機器學習中數學基礎.avi
│ │
│ ├─第2課高效計算基礎與圖像線性分類器
│ │ 5月班第2課課件：高效計算基礎與圖像線性分類器.pdf
│ │ image linear classification.zip
│ │ numpy_operations.ipynb
│ │ 第2課高效計算基礎與圖像線性分類器.avi
│ │
│ ├─第3課梯度下降法與反向傳播
│ │ 5月班第3課課件：梯度下降法與反向傳播 (1).pdf
│ │ 第3課梯度下降法與反向傳播.avi
│ │
│ ├─第4課 CNN與常用框架
│ │ 5月深度學習班第4課--CNN，典型網絡結構與常用框架.pdf
│ │ 第4課 CNN與常用框架.avi
│ │
│ ├─第5課 CNN訓練注意事項與框架使用
│ │ 5月班第5次課 - caffe TensorFlow使用與CNN訓練注意事項.pdf
│ │ 第5課 CNN訓練注意事項與框架使用.avi
│ │
│ ├─第6課 CNN推展案例
│ │ 5月班第6次課 - CNN擴展圖像識别與定位物體檢測 NeuralStyle.pdf
│ │ 第6課 CNN推展案例.avi
│ │
│ ├─第7課 RNN介紹
│ │ 5月班第7課課件_rnn_intrduction.pdf
│ │ 第7課 RNN介紹.avi
│ │
│ ├─第8課 RNN應用
│ │ 5月班第8課_rnn_appliacation.pdf
│ │ 第8課 RNN應用.avi
│ │
│ └─第9課更多的網絡類型
│ 5月班第9次課課件_more_about_nn.pdf
│ 第9課更多的網絡類型.avi
│
└─深度學習深入與強化(2)
│ 提示.txt
│
├─第01課跌宕起伏70年：神經網絡發展概述
│ DL01.pdf
│ DL01.rar
│ MATLAB神經網絡原理與實例精解.pdf
│ Rosenblatt58Perceptron.pdf
│ 人工神經網絡理論、設計及應用_第2版.pdf
│ 神經網絡與機器學習（原書第3版）.pdf
│ 神經網絡設計 . 美國 Hagan.清晰版.pdf
│
├─第02課線性神經網絡
│ chapter9.rar
│ DL02.pdf
│ DL02.rar
│ Understanding the difficulty of training deep feedforward neural networks.pdf
│ 基于BP網絡的個人信貸信用評估.rar
│
├─第03課 BP神經網絡應用
│ BP神經網絡實現圖像壓縮.rar
│ DL03.pdf
│ DL03.rar
│ sparseae_exercise.part1.rar
│ sparseae_exercise.part2.rar
│ sparseae_exercise.pdf
│ sparseAutoencoder.pdf
│
├─第04課能聯想和記憶的Hopfield神經網絡
│ chapter9.rar
│ DL04.pdf
│ DL04.rar
│ Neural Networks and Physical Systems with Emergent Collective Computational Abilities.pdf
│
├─第05課模拟退火算法與Boltzmann機：随機版的Hopfield神經網絡
│ DL05.pdf
│ DL05.rar
│ LDA數學八卦.pdf
│ MATLAB神經網絡原理與實例精解.zip
│ pdp7.pdf
│ TSP問題中國31城市數據.txt
│
└─第06課受限Boltzmann機RBM，應用RBM進行協同過濾
An Introduction to Restricted Boltzmann Machines.pdf
Classi-cation using Discriminative Restricted Boltzmann Machines.pdf
DL06.pdf
DL06.rar
Hinton.SOM.pdf
Learning Algorithms for the Classification Restricted Boltzmann Machine.pdf
Reducing the Dimensionality of Data with Neural Networks.pdf
Semantic Hashing.pdf
Training Products of Experts by Minimizing Contrastive Divergence.pdf
受限波爾茲曼機簡介.pdf