斯坦福大學-深度學習基礎教程.pdfUFLDL教程
From Ufldl
說明：本教程將闡述無監督特征學習和深入學習的主要觀點。通過學習，你也將實現多個功能
學習/深度學習算法，能看到它們為你工作，并學習如何應用/適應這些想法到新問題上。
本教程假定機器學習的基本知識（特別是熟悉的監督學習，邏輯回歸，梯度下降的想法），如果
你不熟悉這些想法，我們建議你去這里
機器學習課程 (http://openclassroom.stanford.edu/MainFolder/CoursePage.php?
course=MachineLearning) ，并先完成第II，III，IV章（到邏輯回歸）。
稀疏自編碼器
神經網絡
反向傳導算法
梯度檢驗與高級優化
自編碼算法與稀疏性
可視化自編碼器訓練結果
稀疏自編碼器符號一覽表
Exercise:Sparse Autoencoder
矢量化編程實現
矢量化編程
邏輯回歸的向量化實現樣例
神經網絡向量化
Exercise:Vectorization
標簽：
深度學習
上傳時間：
2022-03-27
上傳用戶：kingwide
