查看原文
其他

限制玻尔兹曼机 - 深度学习之父 Geoffrey Hinton 的神经网络第 12 课(中文字幕)

2017-05-24 晋阳 AI研习社


作为深度学习祖师,Geoffrey Hinton 的每一句每一言,都使学习者如奉纶音。浓缩其毕生所学的《Neutral Network for Machine Learning》,则是唯一一门 Hinton 老师系统讲授的公开课。

自 2012 年开课,NNML 就一跃成为深度学习开发者的殿堂级慕课。时隔五年,仍然是内容最“干”、最值得学习的深度学习课程。

如果说吴恩达的《Machine Learning》是最佳入门课程,描述 NNML 则只需两个字: “必修”——对于有志于真正掌握深度学习的人而言。

它很难,但也因此没有做任何“dumb down”——为照顾小白而牺牲“厚度”,把原本并不单纯的原理硬以简单的类比表述出来,是几乎所有深度学习课程不得不做的妥协。

但这门课没有。

本栏目将在AI研习社(公众号:okweiwu)每周一、周三更新,敬请关注!

  Lecure 12

限制玻尔兹曼机

https://v.qq.com/txp/iframe/player.html?vid=m05060nvtjg&width=500&height=375&auto=0

  内容简介

这节课主要限制玻尔兹曼机(RBMs)的基本概念以及用途。Hinton 教授是深度学习的开山鼻祖,也正是他在 2006 年的关于深度信念网络 DBN 的工作,以及逐层预训练的训练方法,开启了深度学习的序章。其中,DBN 中在层间的预训练就采用了 RBM 算法模型。RBM 是一种无向图模型,也是一种神经网络模型。

  往期课程目录

1.1 为什么要学习机器学习?

1.2 神经网络机制中的脑科学原理

1.3 简单的神经元模型

1.4 ANN 的 MNIST 学习范例

1.5 机器学习算法的三大类

2.1 神经网络架构介绍

2.2 神经网络架构介绍

2.3 感知器的几何空间解析

2.4 感知器的原理透析

2.5 感知器的局限性

Lecture 3 线性 / 逻辑神经网络和反向传播

Lecture 4 学习特征向量

Lecture 5 用神经网络进行物体识别

Lecure 6 模型优化:如何加快学习!

Lecure 7 循环神经网络RNN(一)

Lecure 8 循环神经网络RNN(二)

Lecure 9 提高网络模型的泛化能力

Lecure 10 结合多重神经网络提高泛化能力

Lecure 11 Hopfield 网络和玻尔兹曼机


点击阅读原文抵达百度云盘下载全部课程

密码:nhah

----------------------------------------

为了让广大 AI 青年们不再为英语所累,快速进入学习状态,雷锋网旗下 “AI 研习社” 推出了深度学习之父 Geoffrey Hinton 的《Neutral Network for Machine Learning》中文系列视频课程。PS: 出于对 Hinton 知识成果的尊重以及版权的需要,AI 研习社已经获得了 Hinton 教授的亲自授权。


雷锋字幕组致力于为 AI 从业者们提供最专业的 AI 相关视频内容。目前,雷锋字幕组已经与全球范围内多所高校包括多伦多大学、伦敦大学学院等达成课程内容汉化授权协议。如果您对我们的工作内容感兴趣,欢迎添加微信 “iIoveus2014”,备注 “Hinton” 加入我们!



 研习社特供福利  ID:OKweiwu

关注 AI 研习社后,回复【1】获取

【千G神经网络/AI/大数据、教程、论文!】
百度云盘地址!


转载声明:本文转载自「AI研习社」,搜索「okweiwu」即可关注。


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存