机器读心术之神经网络与深度学习视频教程/图像压缩/博弈原理

总共13课，高清未加密课程。

课程环境
windows，linux，macos等均可
软件准备
R，matlab，可能会用到一点python
课程基础
学习过《机器学习》课程或具备同等能力

第1课 跌宕起伏70年：神经网络发展概述；最简单的神经仿生：单层感知器
第2课 线性神经网络，BP神经网络，基于梯度下降的各种学习算法
第3课 BP神经网络应用，图像压缩，信用识别；稀疏自动编码器与特征提取
第4课 能联想和记忆的Hopfield神经网络，DHNN与DCNN；应用：OCR识别，解决旅行商问题
第5课 模拟退火算法与Boltzmann机：随机版的Hopfield神经网络
第6课 受限Boltzmann机RBM，应用RBM进行协同过滤
第7课 深度置信网络：利用堆叠的RBM进行权值预训练，应用于图像编码与解码，图像识别
第8课 万能逼近器：径向基神经网络；PCA与SVM神经网络
第9课 自组织竞争神经网络，递归神经网络
第10课 卷积神经网络；经典应用：MNIST手写体数字识别，Imagenet图像识别
第11课 计算机博弈原理，蒙特卡洛树搜索，深度学习与AlphaGo，价值网络与策略网络的设计，构成和训练
第12课 深度学习在自然语言处理中的应用
第13课 堆叠150层的超深度网络：深度残差网络