1700532213
13.2 02 均匀分布随机数 [:1700537151]
1700532214
13.3 03 常见的采样方法 [:1700537200]
1700532215
13.4 04 高斯分布的采样 [:1700537313]
1700532216
13.5 05 马尔可夫蒙特卡洛采样法 [:1700537475]
1700532217
13.6 06 贝叶斯网络的采样 [:1700537600]
1700532218
13.7 07 不均衡样本集的重采样 [:1700537677]
1700532219
14 第9章 前向神经网络 [:1700537738]
1700532220
14.1 01 多层感知机与布尔函数 [:1700537750]
1700532221
14.2 深度神经网络中的激活函数 [:1700537996]
1700532222
14.3 03 多层感知机的反向传播算法 [:1700538121]
1700532223
14.4 04 神经网络训练技巧 [:1700538340]
1700532224
14.5 05 深度卷积神经网络 [:1700538481]
1700532225
14.6 06 深度残差网络 [:1700538591]
1700532226
15 第10章 循环神经网络 [:1700538683]
1700532227
15.1 01 循环神经网络和卷积神经网络 [:1700538693]
1700532228
15.2 02 循环神经网络的梯度消失问题 [:1700538742]
1700532229
15.3 03 循环神经网络中的激活函数 [:1700538802]
1700532230
15.4 04 长短期记忆网络 [:1700538861]
1700532231
15.5 05 Seq2Seq模型 [:1700538944]
1700532232
15.6 06 注意力机制 [:1700539005]
1700532233
16 第11章 强化学习 [:1700539125]
1700532234
16.1 01 强化学习基础 [:1700539133]
1700532235
16.2 02 视频游戏里的强化学习 [:1700539247]
1700532236
16.3 03 策略梯度 [:1700539322]
1700532237
16.4 04 探索与利用 [:1700539408]
1700532238
17 第12章 集成学习 [:1700539530]
1700532239
17.1 01 集成学习的种类 [:1700539542]
1700532240
17.2 02 集成学习的步骤和例子 [:1700539617]
1700532241
17.3 03 基分类器 [:1700539677]
1700532242
17.4 04 偏差与方差 [:1700539717]
1700532243
17.5 05 梯度提升决策树的基本原理 [:1700539779]
1700532244
17.6 06 XGBoost与GBDT的联系和区别 [:1700539875]
1700532245
18 第13章 生成式对抗网络 [:1700539979]
1700532246
18.1 01 初识GANs的秘密 [:1700539987]
1700532247
18.2 02 WGAN：抓住低维的幽灵 [:1700540186]
1700532248
18.3 03 DCGAN：当GANs遇上卷积 [:1700540316]
1700532249
18.4 04 ALI：包揽推断业务 [:1700540422]
1700532250
18.5 05 IRGAN: 生成离散样本 [:1700540518]
1700532251
18.6 06 SeqGAN：生成文本序列 [:1700540602]
1700532252
19 第14章 人工智能的热门应用 [:1700540810]
1700532253
19.1 01 计算广告 [:1700540822]
1700532254
19.2 02 游戏中的人工智能 [:1700540984]
1700532255
19.3 03 AI在自动驾驶中的应用 [:1700541169]
1700532256
19.4 04 机器翻译 [:1700541399]
1700532257
19.5 05 人机交互中的智能计算 [:1700541459]
1700532258
20 后记 [:1700541534]
1700532259
20.1 作者随笔 [:1700541537]
1700532260
20.2 参考文献 [:1700541784]
1700532261
1700532262
