无监督学习与自编码器实现培训

课程大纲：

无监督学习与自编码器实现培训

在机器学习里在真正开始训练跑算法之前，

都需要进行数据预处理，

我们需要人工的或“启发式”地去处理数据，提取特征，

数据预处理的效果对后续训练过程很关键。

这门课程将介绍一种基于无监督学习神经网络数据降维的一种应用——自联想存储器。

1 无监督学习

2 梯度下降算法

3 数据标准化

1
无监督学习介绍

1.无监督学习Unsupervisedlearning

2.聚类Clustering 3.特征提取Featuresextraction

4.自编码器Autoencoder

2
自编码器实现

1.归一化 2.批量梯度下降Batchgradientdescent

3.随机梯度下降Stochasticgradientdescent

4.小批梯度下降Minibatchgradientdescent

1 无监督学习的基础概念

2 实验数据预处理：标准化

3 前向传播代码实现

4 反向传播代码实现

5 自编码器模型的训练

请登录后发表评论

新评论

全部第1节第2节第3节第4节第5节第6节第7节第8节第9节第10节第11节第12节第13节第14节第15节第16节第17节

我的报告 / 所有报告

我要提问