深度学习视频课程（2）：Tensorflow2.x与神经网络

1-1

感知机-神经网络的起源

「仅限付费用户」点击下载“readme.txt”

[03:19] 开始学习

1-2

用感知机表示与门电路

[09:30] 开始学习

1-3

用感知机表示或门电路

[05:43] 开始学习

1-4

用感知机表示与非门电路

[05:13] 开始学习

1-5

用Python实现感知机

[07:27] 开始学习

1-6

用Tensorflow2.x实现感知机

[07:44] 开始学习

1-7

用偏置代替阈值

[04:28] 开始学习

1-8

用Python和Tensorflow实现带偏置的感知

[06:16] 开始学习

1-9

感知机可以表示所有的门电路吗

[07:37] 开始学习

1-10

用多层感知机处理异或门电路

[08:37] 开始学习

1-11

使用sklearn中的感知器对莺尾花进行分类

[13:46] 开始学习

2-1

什么是神经网络

[06:28] 开始学习

2-2

神经网络的sigmoid函数

[02:08] 开始学习

2-3

阶跃函数与sigmoid函数的几何意义

[07:17] 开始学习

2-4

激活函数ReLU以及其几何意义

[03:33] 开始学习

2-5

激活函数Tanh以及其几何意义

[01:58] 开始学习

2-6

矩阵的乘法

[07:15] 开始学习

2-7

三层神经网络的实现原理

[19:01] 开始学习

2-8

三层神经网络的完整实现

[07:33] 开始学习

2-9

选择神经网络输出层的激活函数

[06:00] 开始学习