课程名称:Python 神经网络编程培训

4401 人关注
(78637/99817)
课程大纲:

Python 神经网络编程培训

 

 

1 预测器与多分类器

2 矩阵运算

3 误差的反向传播

4 Python 的基础教程

5 手写数字识别

6 神经网络的概念

7 信号的正向反馈

8 权重的优化方法

9 使用 Python 手写神经网络结构

10 神经网络结构优化

1
预测器与分类器

1.人工智能的概念

2.预测机

3.分类机

4.模型的训练

2
多分类器与神经网络

 

1.线性分类器的局限

2.激活函数的意义

3.神经网络的起源

4.神经网络的结构

5.模型训练的本质

6.全连接的意义

3
神经网络的正向传播

1.信号的传播

2.矩阵的乘法

3.矩阵在神经网络中的应用

4.信号在多层神经网络中的传播

4
误差的反向传播

1.神经网络的权重学习

2.反向传播的意义

3.输出误差的分割

4.反向传播的全过程

5
神经网络的学习

1.暴力破解权重的不可行性

2.梯度下降法

3.梯度下降的步长

4.梯度的计算

5.梯度下降在神经网络中的应用

6
参数的选择

1.权重更新的范例

2.激活函数的选择

3.初始化权重的方法

4.目标值的使用范围

7
简单的 Python 入门

1.变量的定义

2.数组的定义

3.函数的定义

4.类的定义

8
使用 Python 制作神经网络

1.神经网络类的框架

2.神经的初始化

3.神经网络的查询

4.神经网络的训练

9
手写数字识别

1.MNIST数据的介绍

2.数据的预处理

3.神经网络模型的训练

4.神经网络模型的预测

5.神经网络模型的优化

实验 10
神经网络的内部原理

1.神经网络的黑盒子

2.神经网络的逆运算

3.神经网络的向后查询

4.扩大数据集的方法


登录 后发表评论
新评论
全部 第1节 第2节 第3节 第4节 第5节 第6节 第7节 第8节 第9节 第10节 第11节 第12节 第13节 第14节 第15节 第16节 第17节
我的报告 / 所有报告