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.最小批梯度下降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
请
登录
后发表评论
最新评论
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
加入高级会员获得助教答疑
