《神经网络与深度学习》基本学习内容总体概述

目录

神经网络基础：

神经网络进阶：

深度学习网络：

神经网络应用：

深度学习落地实现：

 神经网络基础：

• 单层感知器
• 线性神经网络
• BP 神经网络
• Hopfields神经网络
• 径向基神经网络
• PCA和SVM

神经网络进阶：

• 自编码器
• 稀疏自编码器
• 玻尔兹曼机
• 受限玻尔兹曼机
• 递归神经 网络
• 自组织竞争神经网络

深度学习网络：

• 深度置信网络
• 卷积神经网络
•  深度残差网络

神经网络应用：

 应用于传统的数据挖掘和机器学习问题，手写体识别，图像识别，应用于自然语言处理，应用于人工智能

深度学习落地实现：

Caffee、Tensorflow

 学习体系线路图

单层感知器-->BP神经网络(前馈神经网络)-->RBM（受限波尔兹曼机）

                                                                   -->卷积神经网络-->残差神经网络

                   -->Hopfields神经网络-->玻尔兹曼机-->RBM（受限波尔兹曼机）-->深度置信网络（DBN）

推荐书籍：

文章来源: kings.blog.csdn.net，作者：人工智能博士，版权归原作者所有，如需转载，请联系作者。

原文链接：kings.blog.csdn.net/article/details/86552401