課程大綱：

無(wú)監(jiān)督學(xué)習(xí)與自編碼器實(shí)現(xiàn)培訓(xùn)

在機(jī)器學(xué)習(xí)里在真正開始訓(xùn)練跑算法之前，

都需要進(jìn)行數(shù)據(jù)預(yù)處理，

我們需要人工的或“啟發(fā)式”地去處理數(shù)據(jù)，提取特征，

數(shù)據(jù)預(yù)處理的效果對(duì)后續(xù)訓(xùn)練過程很關(guān)鍵。

這門課程將介紹一種基于無(wú)監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)降維的一種應(yīng)用——自聯(lián)想存儲(chǔ)器。

1 無(wú)監(jiān)督學(xué)習(xí)

2 梯度下降算法

3 數(shù)據(jù)標(biāo)準(zhǔn)化

1
無(wú)監(jiān)督學(xué)習(xí)介紹

1.無(wú)監(jiān)督學(xué)習(xí)Unsupervisedlearning

2.聚類Clustering 3.特征提取Featuresextraction

4.自編碼器Autoencoder

2
自編碼器實(shí)現(xiàn)

1.歸一化 2.批量梯度下降Batchgradientdescent

3.隨機(jī)梯度下降Stochasticgradientdescent

4.小批梯度下降Minibatchgradientdescent

1 無(wú)監(jiān)督學(xué)習(xí)的基礎(chǔ)概念

2 實(shí)驗(yàn)數(shù)據(jù)預(yù)處理：標(biāo)準(zhǔn)化

3 前向傳播代碼實(shí)現(xiàn)

4 反向傳播代碼實(shí)現(xiàn)

5 自編碼器模型的訓(xùn)練