斯坦福大学-深度学习基础教程.pdfUFLDL教程
From Ufldl
说明：本教程将阐述无监督特征学习和深入学习的主要观点。通过学习，你也将实现多个功能
学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。
本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果
你不熟悉这些想法，我们建议你去这里
机器学习课程 (http://openclassroom.stanford.edu/MainFolder/CoursePage.php?
course=MachineLearning) ，并先完成第II，III，IV章（到逻辑回归）。
稀疏自编码器
神经网络
反向传导算法
梯度检验与高级优化
自编码算法与稀疏性
可视化自编码器训练结果
稀疏自编码器符号一览表
Exercise:Sparse Autoencoder
矢量化编程实现
矢量化编程
逻辑回归的向量化实现样例
神经网络向量化
Exercise:Vectorization
标签：
深度学习
上传时间：
2022-03-27
上传用户：kingwide
