神经网络基础

本课程将介绍神经网络模型中的一些基本知识,包括神经元模型、反向传播算法、优化求解方法等等。(课时:76 分钟)

讲师:   钟翰廷


课程背景

本课程将介绍神经网络模型中的一些基本知识,包括神经元感知机、反向传播算法、优化求解方法等等。

课程目的

学完本课程,你能做到

  • 基本了解神经网络的发展历史,知晓深度神经网络的由来

  • 了解常用的神经网络模型:卷积神经网络

  • 熟悉反向传播算法、梯度下降算法等深度学习的基本概念

  • 了解正则化方法

课程详情

在本讲解中,我们从如下方面介绍了神经网络模型中的一些基本知识:

  • 神经网络的发展历史

    • 从MP模型到Hebb学习率、Hopfield网络

    • CNN模型,ImageNet比赛和深度学习

  • 多层感知机

    • 什么是多层感知机、XOR问题、多层感知机的激活函数

    • 什么是反向传播算法、梯度下降算法,以及自适应梯度下降算法

  • 正则化防止过拟合

    • 根据贝叶斯理论来选择正则化的形式

讲师介绍
钟翰廷

毕业于华中科技大学,现在爱因互动科技发展(北京)有限公司担任算法工程师,从事 NLP 相关工作。