神經網絡使用的是學習算法,此算法受到我們對大腦汲取知識過程的理解所啟發而產生,但是對其評估需按照實際應用中的效果,如語音識別、物體識別、圖像檢索以及推薦用戶可能喜歡的產品的能力。隨著計算機功能變得越來越強大,神經網絡正逐漸取代更簡單的機器學習方法,并已經成為了新一代語音識別裝置的核心,而且在識別圖像中的物體方面正開始超越早期系統。這門課程將介紹用于學習這些進展的新式學習步驟,這包括學習多層非線性特征的有效的新步驟,并且課上你將學到需要將這些步驟運用于其他許多領域的技巧和知識。

先修知識
 
熟練使用Matlab、Octave或Python語言進行編程。具備足夠的微積分知識,能夠區分簡單函數。了解線性代數知識,可以理解包含向量和矩陣的簡單等式。掌握用于理解概率密度定義的足夠的概率定理知識。 

授課形式
 
這門課程將由時長介于5至15分鐘之間的教學視頻構成。 

常見問題解答
 
- 我需要為這門課程準備什么?
你需要訪問計算機,并使用Matlab、Octave或者Python語言編寫的學習算法進行試驗。如果你使用Matlab語言,則你將需要自備許可證。
- 選修這門課程,我將有什么收獲?
你會了解神經網絡如何能夠將幾乎所有句子合理地編寫完成。 

相關課程推薦
    暫無相關課程推薦

分享到

河南快三
{ganrao} 下载河北福彩快三 股票配资吧金赢融通 体彩11选五山东 北京赛车app手机软件 哪个时时彩5分钟一期 云南11选5智能选号 辽宁十一选五专家推荐预测 山西十一选五走势图l 河南快三预测推荐 中国体育彩票开奖结果 浙江11选5有什么规律 上海期货配资融资 吉林快3杀号技巧 福彩时时彩玩法中奖 如何买股票指数基金 福建快3下载