“第十七章 深度学习”版本间的差异
来自cslt Wiki
(→开发者资源) |
|||
第34行: | 第34行: | ||
*Georgia Tech, Polo Club (可解释机器学习) [https://poloclub.github.io/] | *Georgia Tech, Polo Club (可解释机器学习) [https://poloclub.github.io/] | ||
− | *Google developer courses [https://developers.google.com/machine-learning/crash-course?hl=zh-cn] | + | *Google developer courses [*][https://developers.google.com/machine-learning/crash-course?hl=zh-cn] |
*ConvNetJS 代码 [https://github.com/karpathy/convnetjs] | *ConvNetJS 代码 [https://github.com/karpathy/convnetjs] | ||
2023年8月13日 (日) 01:42的版本
教学资料
扩展阅读
- AI100问:什么是深度学习?[3]
- 维基百科:深度学习 [4][5]
- 维基百科:杰弗里·辛顿 [6][7]
- 维基百科:约书亚·本希奥 [8][9]
- 维基百科:杨立昆 [10][11]
- 维基百科:通用近似定理[12][13]
视频展示
演示链接
- ConvNetJS 深度神经网络演示 [16]
- Leiden Demo for image classification [17]
- CNN explainer[18]
- Quick style transfer [19]
- Pix2Pix[20]
- AutoWriter[21]
- HoggingFace 演示[22]
- CNN visualization [23]
开发者资源
高级读者
- LeCun Y, Bengio Y, Hinton G. Deep learning[J]. nature, 2015, 521(7553): 436-444.[27]
- Krizhevsky A, Sutskever I, Hinton G E. Imagenet classification with deep convolutional neural networks[J]. Advances in neural information processing systems, 2012, 25. [28]
- Hinton G E, Salakhutdinov R R. Reducing the dimensionality of data with neural networks[J]. science, 2006, 313(5786): 504-507. [29]
- Hinton G E, Osindero S, Teh Y W. A fast learning algorithm for deep belief nets[J]. Neural computation, 2006, 18(7): 1527-1554. [30]
- Universal approximation theorem [31]
- 王东,机器学习导论,第三章,神经模型,2021,清华大学出版社 [32]
- Ian Goodfellow and Yoshua Bengio and Aaron Courville, Deep Learning [33]