慕课-银川科技学院

纺织服装专业人工智能技术导论_东华大学

课程类型：选修课

发布时间：2024-12-16 09:30:53

主讲教师：

课程来源：

建议学分：0.00分

课程编码：mk004475

课程介绍

课程目录

教师团队

{1}--第一单元绪论

[1.2.1]--什么是神经网络.mp4 （0分钟）

[1.1.1]--视频.mp4 （0分钟）

{2}--第二单元二元分类问题

[2.2.1]--损失函数与代价函数.mp4 （0分钟）

[2.1.1]--二元分类问题.mp4 （0分钟）

[2.3.1]--逻辑回归中的梯度下降法.mp4 （0分钟）

[2.4.1]--向前传播与向后传播.mp4 （0分钟）

[2.5.1]--编程实现技巧.mp4 （0分钟）

{3}--第三单元全连接型神经网络

[3.1.1]--再谈什么是神经网络.mp4 （0分钟）

[3.3.1]--常用激活函数的导数.mp4 （0分钟）

[3.2.1]--常用激活函数.mp4 （0分钟）

[3.4.1]--神经网络向后传播时的梯度计算.mp4 （0分钟）

[3.5.1]--多层神经网络.mp4 （0分钟）

[3.6.1]--神经网络权重参数矩阵的随机初始化.mp4 （0分钟）

[3.7.1]--二元分类问题案例分析.mp4 （0分钟）

{4}--第四单元神经网络调优（一）

[4.1.1]--4.1 训练集验证集测试集.mp4 （0分钟）

[4.2.1]--4.2 偏差（Bias）与方差（Variance）.mp4 （0分钟）

[4.3.1]--4.3 通过正则化解决过拟合问题（Regularization）.mp4 （0分钟）

[4.4.1]--4.4 随机失活正则化（Drop out）.mp4 （0分钟）

[4.5.1]--4.5 其他正则化方法.mp4 （0分钟）

[4.6.1]--4.6 输入的归一化处理.mp4 （0分钟）

[4.7.1]--4.7 梯度消失与梯度爆炸（Vanishing Explodin.mp4 （0分钟）

[4.8.1]--4.8 深度神经网络的权重初始化.mp4 （0分钟）

{5}--第五单元神经网络调优（二）

[5.2.1]--5.2 小批量的作用原理.mp4 （0分钟）

[5.1.1]--5.1 小批量的概念.mp4 （0分钟）

[5.3.1]--5.3 指数加权平均.mp4 （0分钟）

[5.4.1]--5.4 几种常见的梯度下降算法.mp4 （0分钟）

[5.5.1]--5.5 学习率衰减.mp4 （0分钟）

[5.6.1]--5.6 局部最优问题.mp4 （0分钟）

{6}--第六单元神经网络调优（三）

[6.1.1]--6.1 超参数的选择.mp4 （0分钟）

[6.2.1]--6.2 批量归一化.mp4 （0分钟）

[6.3.1]--6.3 SoftMax与独热编码.mp4 （0分钟）

{7}--第七单元卷积神经网络（一）

[7.1.1]--7.1 卷积计算的实现方式.mp4 （0分钟）

[7.2.1]--7.2 卷积中的填充（Padding）.mp4 （0分钟）

[7.3.1]--7.3 带步长的卷积（Striding）.mp4 （0分钟）

[7.4.1]--7.4 立体卷积.mp4 （0分钟）

[7.5.1]--7.5 池化.mp4 （0分钟）

[7.6.1]--7.6 简单卷积神经网络案例分析.mp4 （0分钟）

[7.7.1]--7.7 LeNet卷积神经网络.mp4 （0分钟）

[7.8.1]--7.8 卷积神经网络的特点分析.mp4 （0分钟）

[7.9.1]--7.9 卷积神经网络的感受野.mp4 （0分钟）

{8}--第八单元卷积神经网络（二）

[8.1.1]--8.1 两个经典网络：AlexNet与VGGNet.mp4 （0分钟）

[8.2.1]--8.2 GoogLeNet.mp4 （0分钟）

[8.3.1]--8.3 残差神经网络（ResNet）.mp4 （0分钟）

[8.4.1]--8.4 迁移学习与数据增广.mp4 （0分钟）

[8.5.1]--8.5 空洞卷积、转置卷积以及分离卷积.mp4 （0分钟）

x （一）

[9.2.1]--PyCharm的安装.mp4 （0分钟）

[9.3.1]--9.3 设置PyCharm中的interpreter 方法1.mp4 （0分钟）

[9.3.2]--9.3 设置PyCharm中的interpreter 方法2.mp4 （0分钟）

[9.4.1]--9.4 Tensorflow 2.x Sequential序列模.mp4 （0分钟）

x （二）

[10.1.1]--10.1 手写字符识别（PyCharm版）.mp4 （0分钟）

[10.2.1]--10.2 加入验证集.mp4 （0分钟）

[10.3.1]--10.2 加入验证集（过拟合问题）.mp4 （0分钟）

[10.4.1]--10.3 Tensorflow中的正则化与随机失活.mp4 （0分钟）

[10.5.1]--10.4 Tensorflow中的批量归一化.mp4 （0分钟）

[10.6.1]--10.5 Tensorflow中 Early stopping的.mp4 （0分钟）

[10.7.1]--10.6.1 Tensorflow中callbacks详解.mp4 （0分钟）

[10.7.2]--10.6.2利用logs dictionary构造callbac.mp4 （0分钟）

[10.8.2]--10.7.2 Tensorflow中的学习率衰减（ Learin.mp4 （0分钟）

[10.8.1]--10.7.1 Tensorflow中的学习率衰减.mp4 （0分钟）

[10.9.1]--10.8梯度下降平稳段时的学习率衰减.mp4 （0分钟）

x （三）

[11.1.2]--11.1.2 ModelCheckPoint参数含义.mp4 （0分钟）

[11.1.1]--11.1.1 数据集及模型的建立.mp4 （0分钟）

[11.1.3]--11.1.3 仅保存权重.mp4 （0分钟）

[11.2.1]--11.2 保存和载入单一的hd5文件.mp4 （0分钟）

[11.3.1]--11.3 不使用ModelCheckPoint的存取.mp4 （0分钟）

[11.4.2]--11.4.2 间隔几个epoch保存一次.mp4 （0分钟）

[11.4.1]--11.4.1 每n个样本保存一次.mp4 （0分钟）

[11.4.3]--11.4.3 仅保存最佳权重.mp4 （0分钟）

[11.5.1]--11.5 完整模型的存取.mp4 （0分钟）

[11.7.1]--11.7 Tensorflow Hub 的用法.mp4 （0分钟）

[11.6.1]--11.6 载入Keras中的预训练模型.mp4 （0分钟）

{12}--第十二单元 Model Zoo及迁移学习

[12.1.1]--12.1 DenseNet.mp4 （0分钟）

[12.2.1]--12.2 EfficientNet.mp4 （0分钟）

[12.3.1]--12.3-01 Mobilenet 技术简介.mp4 （0分钟）

[12.3.5]--12.3-05MobileNet迁移学习（3）.mp4 （0分钟）

[12.3.3]--12.3-03 MobileNet迁移学习（1）.mp4 （0分钟）

[12.3.2]--12.3-02 Mobilenet 对单张图像的推理.mp4 （0分钟）

[12.3.4]--12.3-04 MobileNet迁移学习（2）.mp4 （0分钟）

[12.3.6]--12.3-06 MobileNet迁移学习（4）.mp4 （0分钟）

{13}--第十三单元一次性分类与孪生神经网络

[13.1.1]--13.1 一次性分类与孪生神经网络.mp4 （0分钟）

{14}--第十四单元神经风格迁移

[14.1.1]--14.1 神经风格迁移.mp4 （0分钟）

{15}--第十五单元目标检测（一）

[15.1.1]--15.1 什么是目标检测.mp4 （0分钟）

[15.2.1]--15.2 常见基本概念.mp4 （0分钟）

[15.3.1]--15.3 目标检测中的区域建议.mp4 （0分钟）

[15.4.1]--15.4 R-CNN.mp4 （0分钟）

{16}--第十六单元目标检测（二）

[16.1.1]--16.1 Fast R-CNN.mp4 （0分钟）

[16.2.1]--16.2 Faster RCNN.mp4 （0分钟）

[16.3.1]--16.3 R-FCN.mp4 （0分钟）

[16.4.1]--16.4 YOLO.mp4 （0分钟）

[16.5.1]--16.5 Mask R-CNN.mp4 （0分钟）