研究生机器学习课程 浙江大学 8.33 GB

研究生机器学习课程 浙江大学 8.33 GB

1.机器学习课程(—)教科书介绍.mp4
2.机器学习课程(二)成绩安排.mp4
3.机器学习课程(三)概念介绍.mp4
4.机器学习课程（四)这门课程的内容概述.mp4
6.机器学习课程(六)支持向量机(线性模型)问题.mp4
7.机器学习课程(七)支持向量机(线性模型)数学描述.mp4
8.机器学习课程-8.支持向量机(线性模型)的图像展示.mp4
9.机器学习课程-9.支持向量机(非线性模型)优化目标函数和限制条件.mp4
12.机器学习课程-12.支持向量机-将支持向量机原问题转化为对偶问.mp4
13.机器学习课程-13.支持向量机-核函数介绍.mp4
14.机器学习课程-14.支持向量机的应用--兵王问题（规则介绍) .mp4
15.机器学习课程-15.支持向量机的应用-兵王问题(参数设置) .mp4
16.机器学习课程-16.支持向量机的应用-兵王问题(测试结果) .mp4
17.机器学习课程-17.ROC曲线.mp4
18.机器学习课程-18.支持向量机-处理多类问题.mp4
19.机器学习课程-19.人工神经网络–神经元的数学模型.mp4
20.机器学习课程-20.人工神经网络–感知器算法.mp4
21.机器学习课程-21.人工神经网络-人工智能的第一次寒冬.q.mp4
22.机器学习课程-22.人工神经网络–多层神经网络.mp4
23.机器学习课程-23.人工神经网络—三层神经网络可以模拟任意决策面.mp4
24.机器学习课程-24.人工神经网络—后向传播算法.mp4
25.机器学习课程-25.人工神经网络―参数设置.mp4
26.机器学习课程26深度学习数据库准备.mp4
27.机器学习课程27深度学习自编码器.mp4
29.机器学习课程-29.深度学习–卷积神经网络(AlexNet) .mp4
30.机器学习课程-30.深度学习-编程工具(Caffe和Tensorflow) .mp4
31.机器学习课程-31.深度学习-近年来流行的网络结构.mp4
33.机器学习课程_33_AlphaGo围棋规则.mp4
35.机器学习课程-35.强化学习Q-learningl.mp4
36.机器学习课程-36.强化学习(policy gradience).mp4
37.机器学习课程_37_增强学习_(AlphaGo).mp4
38.机器学习课程-38.特征提取―主成分分析(PCA) .mp4
39.机器学习课程-39.特征选择-自适应提升(AdaBoost) .mp4
40.机器学习课程-40.目标检测(RCNN和FCN) .mp4
41.机器学习课程-41.概率分类法概述.mp4
42.机器学习课程-42.概率密度估计–朴素贝叶斯分类器.mp4
43.机器学习课程-43.概率密度估计–高斯密度函数.mp4
44.机器学习课程-44.概率密度估计–高斯混合模型.mp4
45.机器学习课程-45.EM算法(高斯混合模型和K-均值算法) .mp4
46.机器学习课程-46.K-均值算法在图像压缩方面的应用.mp4
47.机器学习课程-47.高斯混合模型在说话人识别方面的应用.mp4
48.机器学习课程-48.EM算法(收敛性证明).mp4
49.机器学习课程49语音识别概述.mp4
50.机器学习课程50隐含马尔科夫过程.mp4
51.机器学习课程51大词汇量连续语音识别介绍.mp4
52机器学习课程52循环神经网络(RNN)和LSTM.mp4
53.机器学习课程53 人工智能 中的哲学缸中之脑.mp4
54.机器学习课程54 人工智能 中的哲学意识问题.mp4
55.机器学习课程55人工智能中的哲学图灵测试.mp4
56.机器学习课程56人工智能中的哲学世界是否有规律.mp4
57.机器学习课程57人工智能中的哲学中文屋子假想试验.mp4
58.机器学习课程58人工智能中的哲学创造力和洞穴理论.mp4
59.机器学习课程-59.人工智能中的哲学-生成对抗网络.mp4
60.机器学习课程-60.人工智能中的哲学-道德难题.mp4
61.机器学习课程61人工智能中的哲学未来展望.mp4

夸克网盘：