V
主页
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
2023理解深度学习7相图分析
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4频率原则
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9凝聚现象及初始凝聚机制
2023理解深度学习6频率原则实验上机
微局部分析-第十一节:拟微分算子(下集:磨光算子和椭圆算子)
神经网络的简单偏好--第一届中国机器学习与科学应用大会报告
最优化11无约束优化
深度学习:大网络怎么像小网络却又比小网络好?Embedding Principle
最优化16:共轭梯度,拟牛顿,总结
细节:Attention is all your need-transformer
2023理解深度学习1-介绍
最优化13内点法
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)
微局部分析-第十节:拟微分算子(中集:拟微分算子的复合/Kohn-Nirenberg定理)
随机梯度的隐式正则化(数学推导)
最优化9:SVM, Norm, SVD
简读《千脑智能》
热力学3:相变和化学反应
理解神经网络的训练过程
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
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
统计计算与机器学习8:SVM 支持向量机
统计计算与机器学习5: 循环神经网络RNN
热力学2:热力学定律
机器学习13:宽神经网络的解
统计计算与机器学习9:Bayes, entropy, decision tree
2022科学智能峰会--AI for Combustion
频率原则-理解神经网络2-天元西南中心短期课
最优化12等式约束最小化
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2-人工神经科学 Artificial Neural Science
机器学习16: Complexity and generalization
用大语言模型Claude3写网页
2023理解深度学习12Dropout的隐式正则化
机器学习15:Linear F-Principle Model
2023理解深度学习11乐观估计
统计计算与机器学习6: 生成对抗网络GAN,残差网络Resnet,图卷积网络GCN