python神经网络算法全集

2016年

(Part One)深度学基础

1.1课程介绍机器学介绍上.mp4

1.1课程介绍机器学介绍下.mp4

1.2深度学介绍.mp4

2.1基本概念.mp4

3.1决策树算法.mp4

3.2决策树应用.mp4

4.1最邻近规则分类KNN算法.mp4

4.2最邻近规则KNN分类应用.mp4

5.1 支持向量机(SVM)算法（上）.html

5.1 支持向量机(SVM)算法（上）应用.html

5.1支持向量机SVM上.mp4

5.1支持向量机SVM上应用.mp4

6.2神经网络算法应用上.mp4

6.3神经网络算法应用下.mp4

7.1简单线性回归上.mp4

7.2简单线性回归下.mp4

7.3多元线性回归.mp4

7.4多元线性回归应用.mp4

7.5非线性回归 Logistic Regression.mp4

7.6非线性回归应用.mp4

7.7回归中的相关度和决定系数.mp4

7.8回归中的相关性和R平方值应用.mp4

8.1Kmeans算法.mp4

8.2Kmeans应用.mp4

8.3Hierarchical clustering 层次聚类.mp4

8.4Hierarchical clustering 层次聚类应用.mp4

总结.mp4

支持向量机(SVM)算法(下)应用.mp4

支持向量机(SVM)算法下.mp4

神经网络NN算法.mp4

(Part Two)深度学进阶

第1章 基本概念清晰版.mp4

第2章 软件包安装和环境配置总述.mp4

第3章 环境配置分部详解.mp4

第4章 环境配置分部详解下.mp4

第5章 手写数字识别.mp4

第6章 神经网络基本结构及梯度下降算法.mp4

第7章 随机梯度下降算法.mp4

第8章 梯度下降算法实现上.mp4

第9章 梯度下降算法实现下.mp4

第10章 神经网络手写数字演示.mp4

第11章 Backpropagation算法上.mp4

第12章 Backpropagation算法下.mp4

第13章 Backpropagation算法实现.mp4

第14章 cross-entropy函数.mp4

第15章 Softmax和Overfitting.mp4

第16章 Regulization.mp4

第17章 Regulazition和Dropout.mp4

第18章 正态分布和初始化(修正版).mp4

第19章 提高版本的手写数字识别实现.mp4

第20章 神经网络参数hyper-parameters选择.mp4

第21章 深度神经网络中的难点.mp4

第22章 用ReL解决VanishingGradient问题.mp4

第23章 ConvolutionNerualNetwork算法.mp4

第24章 ConvolutionNeuralNetwork实现上.mp4

第25章 ConvolutionNeuralNetwork实现下.mp4

第26章 Restricted Boltzmann Machine.mp4

第27章 Restricted Boltzmann Machine下.mp4

第28章 Deep Brief Network 和 Autoencoder.mp4

(Part Three)深度深入与强化

第1课 机器学中数学基础

第2课 高效计算基础与图像线性分类器

第3课 梯度下降法与反向传播

第4课 CNN与常用框架

第5课 CNN训练注意事项与框架使用

第6课 CNN推展案例

第7课 RNN介绍

第8课 RNN应用

第9课 更多的网络类型

第10课 更多框架