文章目录
- 1.数学基础
- 2.深度学习
- 深度学习练习题
- 3.机器学习
- 4.论文
- loss
- 对象检测
1.数学基础
矩阵求导术用狄拉克函数来构造非光滑函数的光滑近似
2.深度学习
深度学习入门（一）感知机与激活函数损失函数–交叉熵与极大似然估计
softmax求导/label_smoothing求导/知识蒸馏求导
梯度推导
深度学习入门（三）构建简单的两层神经网络
深度学习入门（四）梯度更新算法的选择(附执行代码)
吴恩达课程学习笔记–第二课 第一周：深度学习的实践层面
吴恩达深度学习 第二课 第三周：超参数调试、Batch正则化和程序框架
吴恩达深度学习 第三门课 结构化机器学习项目（笔记）
吴恩达深度学习 第三门课 残差网络 谷歌Inception模型 迁移学习
吴恩达深度学习 第三门课 第三周 目标检测
吴恩达深度学习 第四课 第四周 人脸识别和神经风格转换
序列模型（sequence models）
吴恩达深度学习 第五课 第二周 自然语言处理与词嵌入
吴恩达深度学习 第五课 第三周 序列模型和注意力机制
对比学习梳理
深度学习练习题
吴恩达深度学习练习 第五课第一周 Building a Recurrent Neural Network 基于numpy吴恩达深度学习练习 第五课第二周 注意力机制机器翻译 基于Keras
吴恩达深度学习 第五课第三周 课后练习 Trigger word detection
3.机器学习
抽点时间把所有机器学习的内容补充完善一下，重新学习一下-20200610
1.机器学习实战(1) k-近邻算法(kNN)和决策树2.机器学习实战(2) 基于概率论的分类方法：朴素贝叶斯 python3
3.机器学习实战(3) Logistic回归 逻辑回归 基于python3
4.待更新5.机器学习实战(5) AdaBoost元算法 基于python3
6.机器学习实战(6) 预测数值型数据：回归7.机器学习实战(7) 树回归
8.机器学习实战(8) 利用K-means聚类算法对未标注数据分组
9.机器学习实战(9) 使用Apriori算法进行关联分析
10.机器学习实战(10) FP-growth 基于python3
11.机器学习实战(11) 利用PCA来简化数据 基于python3
12.机器学习实战(12) 利用SVD简化数据 基于python3
4.论文
loss
The Lovasz Hinge: A Novel Convex Surrogate for Submodular LossesThe Lovasz-Softmax loss: A tractable surrogate for the optimization of the ´ intersection-over-union
对象检测
R-CNN论文翻译Rich feature hierarchies for accurate object detection and semantic segmentationConcurrent Spatial and Channel ‘Squeeze & Excitation’ in Fully Convolutional Networks(附代码)
未完待续…
