课程名称:无监督学习与自编码器实现培训

4401 人关注
(78637/99817)
课程大纲:

无监督学习与自编码器实现培训

 

在机器学习里在真正开始训练跑算法之前,

都需要进行数据预处理,

我们需要人工的或“启发式”地去处理数据,提取特征,

数据预处理的效果对后续训练过程很关键。

这门课程将介绍一种基于无监督学习神经网络数据降维的一种应用——自联想存储器。

1 无监督学习

2 梯度下降算法

3 数据标准化

1
无监督学习介绍

1.无监督学习Unsupervisedlearning

2.聚类Clustering 3.特征提取Featuresextraction

4.自编码器Autoencoder

2
自编码器实现

1.归一化 2.批量梯度下降Batchgradientdescent

3.随机梯度下降Stochasticgradientdescent

4.小批梯度下降Minibatchgradientdescent

1 无监督学习的基础概念

2 实验数据预处理:标准化

3 前向传播代码实现

4 反向传播代码实现

5 自编码器模型的训练


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