【Andrew Ng】深度学习(5):TensorFlow

每次都从零开始全部靠自己去建立一个深层神经网络模型并不现实,借助现在众多流行的深度学习框架,能够高效地实现这些模型。TensorFlow便是其中之一。

【Andrew Ng】深度学习(3):优化神经网络(1)

想提高一个深层神经网络的训练效率,需从各个方面入手,优化整个运算过程,同时预防其中可能发生的各种问题。

本文涉及优化深层神经网络中的数据划分,模型估计,预防过拟合,数据集标准化,权重初始化,梯度检验等内容。

【Andrew Ng】深度学习(2):神经网络

神经网络(Neural Network)的构筑理念是受到生物神经网络功能的运作启发而产生的。人工神经网络通常是通过一个基于数学统计学类型的学习方法得以优化,所以人工神经网络也是数学统计学方法的一种实际应用。

和其他机器学习方法一样,神经网络已经被用于解决各种各样的问题,例如机器视觉和语音识别。这些问题都是很难被基于传统规则的编程解决的。

【Andrew Ng】深度学习(1):Logistic回归

深度学习(deep learning)是机器学习的一大分支,它试图在机器上建立模仿人脑机制进行分析学习的神经网络,赋予机器解释图像、声音、文本等数据的能力。

这里,首先介绍深度学习中的最基础的学习算法–Logistic回归。

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×