34. [5.1.1]--循环神经网络 - 1

2023年9月23日 1559观看

哈尔滨工业大学-深度学习基础（MOOC）

大学课程 / 公共课程

哈尔滨工业大学-深度学习基础（MOOC）

共58集 8.6万人观看

1[1.1.1]--深度学习的引出 - 1
08:42
2[1.1.1]--深度学习的引出 - 3
08:41
3[1.2.1]--数据集及其拆分 - 1
07:01
4[1.2.1]--数据集及其拆分 - 3
06:58
5[1.3.1]--分类及其性能度量 - 1
07:16
6[1.3.1]--分类及其性能度量 - 3
07:20
7[1.4.1]--回归问题及其性能评价 - 1
05:57
8[1.4.1]--回归问题及其性能评价 - 3
05:55
9[1.5.1]--一致性的评价方法
09:58
10[1.6.1]--使用Sklearn进行精确率-召回率曲线的绘制
09:49
11[2.1.1]--特征工程 - 1
05:08
12[2.1.1]--特征工程 - 3
05:11
13[2.2.1]--向量空间模型及文本相似度计算 - 1
05:45
14[2.2.1]--向量空间模型及文本相似度计算 - 3
05:46
15[2.3.1]--特征处理(特征缩放、选择及降维) - 1
09:13
16[2.3.1]--特征处理(特征缩放、选择及降维) - 3
09:18
17[2.4.1]--程序示例：（使用sklearn）基于词频的文档向量化
05:49
18[2.5.1]--使用sklearn进行量纲的缩放
04:46
19[3.1.1]--线性回归模型及其求解方法 - 1
06:03
20[3.1.1]--线性回归模型及其求解方法 - 3
06:02
21[3.2.1]--多元回归与多项式回归 - 1
05:42
22[3.2.1]--多元回归与多项式回归 - 3
05:42
23[3.3.1]--损失函数的正则化 - 1
05:30
24[3.3.1]--损失函数的正则化 - 3
05:36
25[3.4.1]--逻辑回归
08:00
26[3.5.1]--使用sklearn进行线性回归和二次回归的比较
08:30
27[4.1.1]--信息熵 - 1
06:12
28[4.1.1]--信息熵 - 3
06:10
29[4.2.1]--反向传播中的梯度
09:29
30[4.3.1]--感知机 - 1
05:43
31[4.3.1]--感知机 - 3
05:42
32[4.4.1]--程序示例：正向传播和反向传播
05:33
33[4.5.1]--程序讲解：信息熵和互信息的计算程序示例
05:38
34[5.1.1]--循环神经网络 - 1
05:26
35[5.1.1]--循环神经网络 - 3
05:29
36[5.2.1]--长短时记忆网络 - 1
06:36
37[5.2.1]--长短时记忆网络 - 3
06:40
38[5.3.1]--双向循环神经网络和注意力机制
05:47
39[5.4.1]--程序示例：循环神经网络的应用示例 - 1
11:12
40[5.4.1]--程序示例：循环神经网络的应用示例 - 3
11:16
41[6.1.1]--卷积与卷积神经网络 - 1
06:56
42[6.1.1]--卷积与卷积神经网络 - 3
06:59
43[6.2.1]--LeNet-5模型分析 - 1
06:52
44[6.2.1]--LeNet-5模型分析 - 3
06:50
45[6.3.1]--程序示例：卷积神经网络 - 1
10:52
46[6.3.1]--程序示例：卷积神经网络 - 3
10:51
47[7.1.1]--情感分析及传统求解方法 - 1
05:42
48[7.1.1]--情感分析及传统求解方法 - 3
05:42
49[7.3.1]--递归神经网络及其变体 - 1
08:02
50[7.3.1]--递归神经网络及其变体 - 3
08:04
51[8.1.1]--自动编码器 - 1
05:15
52[8.1.1]--自动编码器 - 3
05:17
53[8.2.1]--变分自动编码器 - 1
06:03
54[8.2.1]--变分自动编码器 - 3
06:05
55[8.3.1]--生成对抗网络 - 1
07:03
56[8.3.1]--生成对抗网络 - 3
07:08
57[8.4.1]--程序讲解：自动编码器程序示例 - 1
11:32
58[8.4.1]--程序讲解：自动编码器程序示例 - 3
11:28

© 1997-2025 网易公司版权所有About NetEase | 公司简介 | 联系方法 | 招聘信息 | 客户服务 | 隐私政策 | 广告服务 | 不良信息举报 Complaint Center | 廉正举报