Lecture 第31页

cs231n Lecture 5 CNN笔记

内容列表：英文原版链接结构概述用来构建卷积神经网络的各种层卷积层池化层归一化层全连接层将全连接层转化成卷积层卷积神经网络的结构层的排列规律层的尺寸设置规律案例学习（LeNet/AlexNet/ZFNet/GoogLeNet/VGGNet）计算上的考量拓展资源注：中文翻译出自知乎专栏“智能单元”，在其基础上增加了个人批注卷积神经网络（CNNs/ConvNets）卷积神经网络和上一章讲的常规神经网络非

kapoo-pai·2018-10-12 16:00

cs231n Lecture 4 反向传播笔记

内容列表：英文原版链接简介简单表达式和理解梯度复合表达式，链式法则，反向传播直观理解反向传播模块：Sigmoid例子反向传播实践：分段计算回传流中的模式用户向量化操作的梯度小结注：中文翻译出自知乎专栏“智能单元”，在其基础上增加了个人批注简介目标：本节将帮助读者对反向传播（backpropagation）形成直观而专业的理解。反向传播是利用链式法则（chainrule）递归计算表达式的梯度的方法。

kapoo-pai·2018-10-12 15:04

cs231n Lecture 3 最优化笔记

内容列表英文原版链接简介损失函数可视化最优化策略#1：随机搜索策略#2：随机局部搜索策略#3：跟随梯度梯度计算使用有限差值进行数值计算微分计算梯度梯度下降小结注：中文翻译出自知乎专栏“智能单元”，在其基础上增加了个人批注简介在上一节中，我们介绍了图像分类任务中的两个关键部分：基于参数的评分函数。该函数将原始图像像素映射为分类评分值（例如：一个线性函数）。损失函数。该函数能够根据分类评分和训练集图像

kapoo-pai·2018-10-12 15:03

cs231n Lecture 3 线性分类笔记（二）

内容列表线性分类器简介线性评分函数阐明线性分类器损失函数多类SVMSoftmax分类器SVM和Softmax的比较基于Web的可交互线性分类器原型小结注：中文翻译出自知乎专栏“智能单元”，在其基础上增加了个人批注损失函数Lossfunction在上一节定义了从图像像素值到所属类别的评分函数（scorefunction），该函数的参数是权重矩阵***W***。在函数中，数据(xi，yi)是给定的，不

kapoo-pai·2018-10-12 15:58

肝脏不好，身体2处“黑”2处“臭”2处会“疼”千万要注意！

专家给你支招，一起来学习吧图片发自Apphttps://m.weike.fm/lecture/9807715?st=sharelink&inviter_id=24067620&share_

三宝妈妈飞越·2018-10-11 11:28

强化学习的课程网站记录

/s3-us-west-1.amazonaws.com/udacity-dlnfd/suttonbookdraft2018jan1.pdf伯克利AI课程：http://ai.berkeley.edu/lecture_videos.htmlDavidSilver

Walter_Silva·2018-10-10 11:17

深度学习基础知识框架

作为刚入门的新手来说，CS231n提供了一个特别好的深度学习框架，本人也在学习这门课程，我以2018年课程计划为蓝本，把知识拆成小的部分，打算有时间一个一个的弄懂课目主题知识点备注Lecture1课程概述

dawningblue·2018-09-29 19:30

卷积神经网络 + 机器视觉： L12_Visualization 神经网络可视化 (斯坦福CS231n）

v=6wcs6szJWMY&t=886s完整的视频课堂投影片连接http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture12.pdfToVisualizewhat

CHUNLIN GO·2018-09-29 18:37

自然语言处理笔记-lecture1

IntroductiontoNLPresearch什么是自然语言处理?Naturallanguageprocessing(NLP)isthestudyoftheproblemsofautomatedprocessing,understandingandgenerationofnaturalhumanlanguages.Suchas,MachineTranslation,informationext

cuizixin·2018-09-25 16:46

COMP2012H The first lecture (04/09/2018)

ThefirstlectureofCOMP2012HIt’sbeenareallylongtimesinceIlastwroteablog.It’slike…morethanayear?Andthankstothesupereasycollegeentranceexam,IamabletostudyinHKUSTnow.AndIthinkit’stimetocontinuewritingblogs

KikiDMW·2018-09-04 19:49

CS231n_Lecture5_卷积神经网络

构成卷积神经网络（CNN）的基本层：1卷积层：激活函数（sigmoid、tanh、relu.、LeakyRelu、pRelu、Maxout...一般用后者多，不再用sigmoid）各个函数的优点和区别，详见：CS231n课程笔记翻译：神经网络笔记1（上）|课程原文https://blog.csdn.net/qq_37791134/article/details/822883212池化层：作用：特征

快乐成长吧·2018-09-01 19:42

Topic: Advanced Design of Experiment

选错课系列笔记...Textbook:DesignandAnalysisofExperiments,editedbyDean,Morris,StufkenandBingham,CRCPress,2015Lecture

MrGiovanni·2018-08-28 03:09

cs231n 2018系列笔记(lecture6)

所有内容文章材料地址链接:https://pan.baidu.com/s/1LES35hg8aUQv-E1CoLNX7A密码:x5v3参考https://zhuanlan.zhihu.com/p/34346816slides激活函数篇：sigmoid优点：范围在【0，1】；和神经的激活方式很相似缺点：x过大时梯度为0；经sigmoid激活后不是以0为中心的，总是正数；exp()函数需要很多的计算资

爱吃海苔的大鲨鱼·2018-08-14 03:32

CS231n笔记（1）线性分类器

主要关于lecture2，只记录贫僧觉得有用的东西，所以课程里一些介绍性的内容会被忽略掉。图片分类图片分类就是输入一张图片，然后将这张图片归为确定的类别中的一类。

Geek_of_csdn·2018-08-10 14:11

台大机器学习基石 Lecture 13 - Hazard of Overfitting

本次Lecture主要介绍机器学习中很重要的问题：过拟合（overfitting），并且介绍了部分解决过拟合问题的方法。WhatisOverfitting?

ZayneHuang·2018-08-08 21:59

Structured Support Vector Machine

StructuredLearningSeparablecaseNon-separablecaseConsideringErrorsRegularizationStructuredSVMMulti-classandbinarySVM小结链接：http://speech.ee.ntu.edu.tw/~tlkagk/courses/MLDS_2015_2/Lecture

我是个粉刷匠·2018-07-27 15:04

Anscombe's quartet 学习

题目网址：https://nbviewer.jupyter.org/github/schmit/cme193-ipython-notebooks-lecture/blob/master/Exercises.ipynb

teslalin·2018-07-26 15:28

Listening For TOEFL

Lecture1conversion1-2sounds=1unit->1topic:about3wordseachtopicpurposekeywordstudentwouldlike,want,hopeteacheraskquestionsWhatyouneeddoafterfinishingtakingnotes

aaa1234zzz·2018-07-20 13:08

cs231n-lecture2&3

CS231N–图像分类管道一、cs231n课程指引作业1：KNN；线性分类器，SVM、Softmax；两层神经网络；图像特征Python+Numpy教程：http://cs231n.github.io/python-numpy-tutorial/GoogleCloud教程：http://cs231n.github.io/gce-tutorial/二、图像分类–CV核心问题分类识别，种类太多，{狗，

sun1398·2018-06-29 20:26

损失函数(loss function)

发现一份不错的介绍资料：http://www.ics.uci.edu/~dramanan/teaching/ics273a_winter08/lectures/lecture14.pdf（题名“Lossfunctions

This is bill·2018-06-21 12:37

CV算法：立体照片（Stereo）

参考资料：Lecture08:IntroductiontoStereoLecture09:StereoAlgorithms立体视觉通过多个摄像头同时拍出来的照片算出深度投影（眼镜/摄像头是怎么拍照的）为什么需要多个摄像头

抬头挺胸才算活着·2018-06-15 14:00

高级编程技术第十二次作业

本次作业题目来源https://nbviewer.jupyter.org/github/schmit/cme193-ipython-notebooks-lecture/blob/master/Exercises.ipynbAnscombe'squartetAnscombe'squartetcomprisesoffourdatasets

liangjan·2018-06-12 16:59

MIT18.06学习笔记 - Lecture 1: The geometry of linear equations

这个系列文章是我重温Gilbert老爷子的线性代数在线课程的学习笔记。CourseName：MIT18.06LinearAlgebraTextBook:IntroductiontoLinearAlgebra章节内容:2.1课程提纲1.NLinearEquationswithNUnknowns2.RowPicture3.ColumnPicture4.MatrixForm课程重点TwoLinearEq

CrazyTensor·2018-06-11 23:05

数据分析习题Python

本次作业是emu193教程的课后作业，来源自：https://nbviewer.jupyter.org/github/schmit/cme193-ipython-notebooks-lecture/blob

Schnee_Cy·2018-06-11 18:29

python Jupyter

根据给定的少量的数据集使用一系列操作，练习的网站如下：https://github.com/schmit/cme193-ipython-notebooks-lecture直接下载到本地，用Jupyter

胡大佬·2018-06-10 10:49

coursera课程 machine learning 笔记（一）

课程讲师：AndrewNg吴恩达（斯坦福教授，百度首席科学家）课程地址：https://www.coursera.org/learn/machine-learning/lecture/1VkCb/supervised-learning

qq907177955·2018-06-07 23:06

卷积神经网络 + 机器视觉： L10_RNN_LSTM (斯坦福CS231n）

list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv完整的视频课堂投影片连接：http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture10

CHUNLIN GO·2018-05-25 10:32

卷积神经网络 + 机器视觉： L4_反向传播_神经网络内部构造 (斯坦福CS231n）

list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv完整的视频课堂投影片连接：http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture4

CHUNLIN GO·2018-05-24 09:29

卷积神经网络 + 机器视觉： L2_Image Classification (斯坦福CS231n）

PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv&t=13s完整的视频课堂投影片连接：http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture2

CHUNLIN GO·2018-05-24 09:50

what i have done for saving and for the day

5.10buythecheapestvegetableinthemarketandcookbymyselfpreparefortomorrow'scet6lecture图片发自App

粉粉猪_8949·2018-05-11 00:52

Model thinking lecture note (1)

(1)Agentbasedmodelthismodelincludes3parts:first:agent.Thiscanbeindividual,firms.behaviours:howagentsbehave,inschelling'smodelthatmeansthethresholdofthepeopletomoveout.outcome:how'stheresult(2)Peereffe

FrostMonarch·2018-05-03 15:21

Lecture 02: Theories of Deep Learning

STATS385Lecture02:TheoriesofDeepLearning感知机→→单层神经网络→→多层神经网络/多层感知机反向传播卷积神经网络：LeNet,AlexNet,ReLU,maxpooling

qq_36356761·2018-04-23 16:45

Lecture 01: Deep Learning Challenge: Is There Theory?

STATS385Lecture01:DeepLearningChallenge:IsThereTheory深度学习近几年来势头很猛，发展很快，从Google搜索量、NIPS论文发表量和CS231n课程的选课人数可见一斑

qq_36356761·2018-04-23 16:03

深度神经网络（DNN）Deep Neural Networks 介绍

这里将自己做的一个PPT纪录一下，根据斯坦福大学CS234lecture5整理而来SomeofthecontentforthislectureisborrowedfromHugoLarochelle神经网络相对于训练集

cheney康·2018-03-25 19:35

【台大李宏毅ML课程】Lecture 13 Unsupervised Learning——Linear Dimension Reduction笔记

本节课主要讲了两种线性降维的方法——cluster和PCA，并从两个角度解释了PCA。最后讲了一些关于矩阵分解的知识。1.clustercluster就简单的带过了，主要是k-means和HACk-means原理：（1）先初始化k个中心点ci(i=1,….,k)（2）如果样本x离ci更近，就划分到第i类（3）更新每个类别的中心点（4）重复（2）（3）如何选择K是个问题~HAC（Hierarchic

code_caq·2018-03-25 15:45

【台大李宏毅ML课程】Lecture 14 Word Embedding笔记

本节课主要讲了无监督学习——wordembedding的一些基本概念1.wordembedding（word2vector）传统的1ofNencoding（或者one-hot独热编码）的表示法过于稀疏，不可取。所以考虑将每个word映射到另一个空间里去machine通过阅读很多documents来理解语义，从而可以达到wordembedding的目的2.HowaboutAuto-encoder？a

code_caq·2018-03-22 11:49

【台大李宏毅ML课程】Lecture 12 Semi-Supervised Learning半监督学习笔记

本节课主要讲了半监督学习Semi-supervised：样本中有一部分数据有标签（labeldata）但很少，另一部分数据无标签（unlabeldata），很多~因为收集无标签的数据很容易，但是收集有标签数据没那么容易~图片来源于李宏毅老师ppt，如有错误务必指正！！博主总结的时候喜欢中英夹杂，别介意！1.Semi-supervisedGenerativeModel基本思想（EM）：（1）先用la

code_caq·2018-03-21 16:42

【台大李宏毅ML课程】Lecture 19 Transfer Learning迁移学习笔记

本节课主要讲了迁移学习的一些基本概念和算法的主要思想~~图片来源与李宏毅老师ppt如有错误，请务必指正！！1.TransferLearning基本概念targetdata：相关的数据，很少sourcedata：不直接相关的，很多有很多与targetdata不直接相关的sourcedata比如说targetdata是一些小猫小狗，任务是给小猫小狗分类，但sourcedata是一些大象和老虎，这属于s

code_caq·2018-03-21 15:01

【台大李宏毅ML课程】Lecture 6-11 Deep Learning笔记

李宏毅老师ML课程的Lecture6-11都是在讲deeplearning，所以合在一起总结好了。主要内容我用xmind大致总结了一下。如有错误，请务必指正谢谢！！

code_caq·2018-03-13 21:44

深度学习(莫烦神经网络 lecture 4） TensorFlow （GAN）

原文：https://morvanzhou.github.io/learning-steps/TensorFlow（GAN）目录TensorFlow（GAN）目录1、GAN1.1常见神经网络形式1.2生成网络1.3新手画家&新手鉴赏家1.4GAN网络1.5例子1、GAN今天我们会来说说现在最流行的一种生成网络,叫做GAN,又称生成对抗网络,也是GenerativeAdversarialNets的简

九方先生·2018-03-06 21:31

深度学习(莫烦神经网络 lecture 3） Keras

原文：https://morvanzhou.github.io/learning-steps/神经网络&Keras目录神经网络&Keras目录1、Keras简介1.1科普:人工神经网络VS生物神经网络1.2什么是神经网络(NeuralNetwork)1.3神经网络梯度下降1.4科普:神经网络的黑盒不黑1.5WhyKeras?1.6兼容backend2、如何搭建各种神经网络2.1Regressor回

九方先生·2018-03-06 20:03

深度学习(莫烦Python基础：lecture 2）多进程 Multiprocessing

原文：https://morvanzhou.github.io/learning-steps/多进程Multiprocessing目录多进程Multiprocessing目录1、什么是Multiprocessing2、添加进程Process3、存储进程输出Queue4、效率对比threading&multiprocessing5、进程池Pool5.1进程池Pool()和map()6、共享内存sha

九方先生·2018-03-06 18:24

深度学习(莫烦Python基础：lecture 1）多线程 Threading

原文：https://morvanzhou.github.io/learning-steps/多线程Threading目录多线程Threading目录1、什么是Threading2、添加线程Thread3、join功能4、存储进程结果Queue5、GIL不一定有效率测试GIL（GlobalInterpreterLock）6、线程锁Lock1、什么是Threading多线程是加速程序计算的有效方式，

九方先生·2018-03-06 16:52

深度学习总结（lecture 11）Capsules Networks（CapsNet）

lecture11：CapsulesNetworks（CapsNet）目录lecture11：CapsulesNetworks（CapsNet）目录1、胶囊网络1.1CNN有重要的缺点1.2将3D世界硬编码为神经网络

九方先生·2018-03-03 15:16

深度学习总结（lecture 10）DenseNet

lecture10：DenseNet目录lecture10：DenseNet目录1、DenseNet网络结构2、稠密连接、优点3、DenseNet-BC代码4、一些实验及结论5、另外一些解释6、原作者的一些解释

九方先生·2018-03-03 11:53

机器学习第一讲learning map --李宏毅课程

本讲主要讲述机器学习的各种概念，连接：http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2016/Lecture/Learning%20Map%20%28v2%

e_eps·2018-03-01 22:54

深度学习总结（lecture 9）Residual Network （ResNet）

lecture9：ResidualNetwork（ResNet）目录lecture9：ResidualNetwork（ResNet）目录1、残差网络基础1.1VGG19、ResNet34结构图1.2ResNet

九方先生·2018-02-28 21:34

深度学习总结（lecture 7）Network in Network（NIN）

lecture7：NetworkinNetwork（NIN）目录lecture7：NetworkinNetwork（NIN）目录1、NIN结构2、MLP卷积层3、全局均值池化4、总体网络架构5、NIN补充

九方先生·2018-02-28 20:35

深度学习总结（lecture 6）VGG13、16、19

lecture6：VGG13、16、19目录lecture6：VGG13、16、19目录1、VGG结构2、VGG结构解释3、3*3卷积核的优点4、VGG的Multi-Scale方法5、VGG应用1、VGG

九方先生·2018-02-28 19:57

深度学习总结（lecture 4）LeNet5

lecture4：LeNet5（1998）目录lecture4：LeNet5（1998）目录1、LeNet5模型1、LeNet5模型Conv1:f=[5,5],s=[1,1],padding=’valid

九方先生·2018-02-27 20:14

推荐频道

Lecture