斯坦福CS231n Spring 2017详细课程大纲（附完整版课件下载）

正文

请到「今天看啥」查看全文

Lecture 4：神经网络

包括经典的反向传播算法（back-propagation）多层感知机结构（multilayer perceptrons）以及神经元视角。

Lecture 5：卷积神经网络（CNN）

主要分为三部分内容：

1. 卷积神经网络的历史背景及发展；

2. 卷积与池化（convolution and pooling）;

3. ConvNets 的效果。

Lecture 6：如何训练神经网络 I

介绍了各类激活函数，数据预处理，权重初始化，分批归一化（batch normalization）以及超参优化（hyper-parameter optimization）。

Lecture 7：如何训练神经网络 II

介绍了优化方法（optimization）、模型集成（model ensembles）、正则化（regularization）、数据扩张（data-augmentation）和迁移学习（transfer learning）。

请到「今天看啥」查看全文