研究生机器学习课程-浙江大学

📁 资源目录结构内容 (9.44 GB)

• 1. 包含文件：1.机器学习课程（一）教科书介绍.mp4
• 2. 2.机器学习课程（二）成绩安排.mp4
• 3. 3.机器学习课程（三）概念介绍.mp4
• 4. 4.机器学习课程（四）这门课程的内容概述.mp4
• 5. 5.机器学习课程（五）没有免费午餐定理.mp4
• 6. 6.机器学习课程（六）支持向量机（线性模型）问题.mp4
• 7. 7.机器学习课程（七）支持向量机（线性模型）数学描述.mp4
• 8. 8.机器学习课程-8.支持向量机（线性模型）的图像展示.mp4
• 9. 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
• 10. 10.机器学习课程-10.支持向量机（非线性模型） 低维到高维映射..mp4
• 11. 11.机器学习课程-11.支持向量机（非线性模型）原问题和对偶问题..mp4
• 12. 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. 13.机器学习课程-13.支持向量机 – 核函数介绍.mp4
• 14. 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. 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. 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. 17.机器学习课程-17.ROC曲线.mp4
• 18. 18.机器学习课程-18.支持向量机 – 处理多类问题.mp4
• 19. 19.机器学习课程-19.人工神经网络 – 神经元的数学模型.mp4
• 20. 20.机器学习课程-20.人工神经网络 – 感知器算法.mp4
• 21. 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. 22.机器学习课程-22.人工神经网络 – 多层神经网络.mp4
• 23. 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. 24.机器学习课程-24.人工神经网络—后向传播算法.mp4
• 25. 25.机器学习课程-25.人工神经网络 – 参数设置.mp4
• 26. 26.机器学习课程 26 深度学习数据库准备.mp4
• 27. 27.机器学习课程 27 深度学习自编码器.mp4
• 28. 28.机器学习课程 28 深度学习 卷积神经网络LeNet.qsv..mp4
• 29. 29.机器学习课程-29.深度学习 – 卷积神经网络（AlexNet）.mp4
• 30. 30.机器学习课程-30.深度学习 – 编程工具（Caffe和Tensorflow）.mp4
• 31. 31.机器学习课程-31.深度学习 – 近年来流行的网络结构.mp4
• 32. 32.机器学习课程-32.深度学习 – 卷积神经网络的应用.qsv..mp4
• 33. 33.机器学习课程_33_AlphaGo围棋规则.mp4
• 34. 34.机器学习课程-34.AlphaGo (围棋有必胜策略的证明)..mp4
• 35. 35.机器学习课程-35.强化学习Q-learningl.mp4
• 36. 36.机器学习课程-36.强化学习(policy gradience).mp4
• 37. 37.机器学习课程_37__增强学习_(AlphaGo).mp4
• 38. 38.机器学习课程-38.特征提取 – 主成分分析（PCA）.mp4
• 39. 39.机器学习课程-39.特征选择 – 自适应提升（AdaBoost）.mp4
• 40. 40.机器学习课程-40.目标检测 （RCNN和FCN）.mp4
• 41. 41.机器学习课程-41.概率分类法概述.mp4
• 42. 42.机器学习课程-42.概率密度估计 – 朴素贝叶斯分类器.mp4
• 43. 43.机器学习课程-43.概率密度估计 – 高斯密度函数.mp4
• 44. 44.机器学习课程-44.概率密度估计 – 高斯混合模型.mp4
• 45. 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. 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. 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. 48.机器学习课程-48.EM算法（收敛性证明）.mp4
• 49. 49.机器学习课程 49语音识别概述.mp4
• 50. 50.机器学习课程 50 隐含马尔科夫过程.mp4