V
主页
京东 11.11 红包
2023理解深度学习3傅里叶分析介绍
发布人
本节介绍傅里叶分析,可以跳过。这门课的目标是理解深度学习的一些基本原理,主要包括从函数空间和参数空间理解其训练过程的隐式正则化。对应的讲义V2.0在github: https://github.com/xuzhiqin1990/understanding_dl . 同时,讲义、ppt、案例等完整资料也已上线到Bohrium科研云平台:https://nb.bohrium.dp.tech/courses/detail/9527138462 本课程涉频率原则和凝聚现象上机案例,Bohrium平台上有一些免费的CPU,足够运行。希望有兴趣的同行可以多提一些建议。期待能录完。
打开封面
下载高清视频
观看高清视频
视频下载器
最优化方法1: 介绍 (2022重录)
【傅里叶分析第一讲】背景介绍以及傅里叶分析的主线——讲给大一新生的一门分析学讨论班
傅里叶分析 第21讲
用深度学习解微分方程-理解神经网络4-天元西南中心短期课
数学学院本科课程:统计计算与机器学习2: 傅里叶分析、深度学习简史和泛化的初步介绍
2023理解深度学习1-介绍
2023理解深度学习9凝聚现象及初始凝聚机制
2023理解深度学习4频率原则
【傅里叶分析第二讲】波动方程的导出与求解
2023理解深度学习7相图分析
2023理解深度学习5频率原则的理解与应用
2023理解深度学习10嵌入原则
深度学习:大网络怎么像小网络却又比小网络好?Embedding Principle
2023理解深度学习8线性区域的分析及隐式正则化
2023理解深度学习6频率原则实验上机
用频率视角理解深度学习解微分方程
2023理解深度学习12Dropout的隐式正则化
2023理解深度学习2-人工神经科学 Artificial Neural Science
Reinforcement Learning 强化学习
2023理解深度学习11乐观估计
细节:Attention is all your need-transformer
理解神经网络的训练过程
数学学院本科课程:统计计算与机器学习1
研究生课程:最优化方法1 (可在B站主页找到本节课重录的视频)
相图分析、凝聚、嵌入原则-理解神经网络3-天元西南中心短期课
简读《千脑智能》
研究生课程:最优化方法2:凸集
数学证明:投票无法实现民主
最优化8:统计估计
最优化11无约束优化
最优化14次梯度
最优化15-1ADMM
最优化13内点法
研究生课程:最优化方法6 : Duality
研究生课程:最优化方法4 : 凸优化问题第一部分
研究生课程:最优化方法3: 凸函数
Introduction-理解神经网络1-天元西南中心短期课
最优化16:共轭梯度,拟牛顿,总结
统计计算与机器学习5: 循环神经网络RNN
频率原则-理解神经网络2-天元西南中心短期课