职称：讲师
◆
◆
个人介绍
主讲教师：王贞艳
教师团队：共1位
- 周昊
课程介绍
本课程从基本的生物神经系统与人工神经网络开始讲解，内容涵盖了经典的人工神经元MP模型、Hebb学习率，感知器网络，BP神经网络，RBF神经网络，Hopefield神经网络，以及近几年比较流行的卷积神经网络（CNN），生成式对抗网络（GAN），还增加了当前非常学术界非常火爆的Transformer模型的介绍。课程内容丰富，浅显易懂，有老师的授课视频，以及课件、实验操作、代码、数据集等配套资料。是小白入门的极佳课程。
教师团队
课程评价
教学资源
| 课程章节 | | 文件类型 | | 修改时间 | | 大小 | | 备注 | |
| 1.1 示范教学包 |
图片
.jpg
|
2024-04-09 | -- | ||
| 1.2 生物神经系统 |
视频
.mp4
|
2024-04-09 | 668.95MB | ||
|
文档
.pptx
|
2024-04-09 | 5.10MB | |||
| 1.3 人工神经网络1 |
视频
.mp4
|
2024-04-09 | 466.26MB | ||
| 1.4 人工神经网络2 |
视频
.mp4
|
2024-04-09 | 220.03MB | ||
| 1.5 实验：Pytorch安装 |
视频
.mp4
|
2024-04-09 | 195.67MB | ||
| 2.1 人工神经元MP模型 |
视频
.mp4
|
2024-04-09 | 262.43MB | ||
|
文档
.pptx
|
2024-04-09 | 2.24MB | |||
| 2.2 Hebb学习率 |
视频
.mp4
|
2024-04-09 | 712.59MB | ||
| 3.1 感知器网络 |
视频
.mp4
|
2024-04-09 | 652.36MB | ||
|
文档
.pptx
|
2024-04-09 | 2.23MB | |||
| 3.2 单神经元感知器 |
视频
.mp4
|
2024-04-09 | 681.98MB | ||
| 3.3 单神经元感知器2 |
视频
.mp4
|
2024-04-09 | 90.85MB | ||
| 3.4 实验：Pytorch张量简介与创建 |
视频
.mp4
|
2024-04-09 | 241.60MB | ||
|
文档
.pptx
|
2024-04-09 | 1.49MB | |||
| 4.1 BP神经网络 |
视频
.mp4
|
2024-04-09 | 704.73MB | ||
|
文档
.pptx
|
2024-04-09 | 2.43MB | |||
| 4.2 BP学习算法1 |
视频
.mp4
|
2024-04-09 | 529.05MB | ||
| 4.3 BP学习算法2 |
视频
.mp4
|
2024-04-09 | 594.07MB | ||
| 4.4 BP网络应用举例与激活函数 |
视频
.mp4
|
2024-04-09 | 466.85MB | ||
| 4.5 实验：Pytorch张量操作 |
视频
.mp4
|
2024-04-09 | 288.25MB | ||
|
文档
.pptx
|
2024-04-09 | 1.80MB | |||
| 4.6 实验：Pytorch实现线性回归神经网络 |
视频
.mp4
|
2024-04-09 | 250.28MB | ||
| 5.1 RBF神经网络1 |
视频
.mp4
|
2024-04-09 | 53.49MB | ||
|
文档
.pptx
|
2024-04-09 | 3.24MB | |||
| 5.2 RBF神经网络2 |
视频
.mp4
|
2024-04-09 | 15.22MB | ||
| 5.3 实验： Pytorch 计算图、动态图、autograd |
视频
.mp4
|
2024-04-09 | 200.20MB | ||
|
文档
.pptx
|
2024-04-09 | 3.17MB | |||
| 5.4 实验：Pytorch实现逻辑回归神经网络 |
视频
.mp4
|
2024-04-09 | 277.94MB | ||
| 6.1 Hopefield神经网络 |
视频
.mp4
|
2024-04-09 | 42.87MB | ||
|
文档
.pptx
|
2024-04-09 | 6.64MB | |||
| 6.2 Hopefield神经网络2 |
视频
.mp4
|
2024-04-09 | 110.61MB | ||
| 7.1 卷积基本概念 |
视频
.mp4
|
2024-04-09 | 75.22MB | ||
|
文档
.pptx
|
2024-04-09 | 12.03MB | |||
| 7.2 卷积神经网络 |
视频
.mp4
|
2024-04-09 | 75.12MB | ||
| 7.3 经典的卷积神经网络模型 |
视频
.mp4
|
2024-04-09 | 64.10MB | ||
| 7.4 实验 Pytorch 数据读取与数据增强(transforms) |
视频
.mp4
|
2024-04-09 | 798.09MB | ||
| 8.1 Gan基本概念 |
视频
.mp4
|
2024-04-09 | 45.15MB | ||
|
文档
.pptx
|
2024-04-09 | 38.19MB | |||
| 8.2 Gan网络损失函数与CycleGan |
视频
.mp4
|
2024-04-09 | 39.41MB | ||
| 9.1 Self-attention |
视频
.mp4
|
2024-04-09 | 48.18MB | ||
|
文档
.pptx
|
2024-04-09 | 6.06MB | |||
| 9.2 Transformer网络结构 |
视频
.mp4
|
2024-04-09 | 30.92MB | ||
| 9.3 实验 模型创建步骤与nn.Module |
视频
.mp4
|
2024-04-09 | 547.29MB | ||
| 10.1 基于神经网络实现图片分类和文本预测 |
视频
.mp4
|
2024-04-09 | 106.81MB | ||
|
文档
.pptx
|
2024-04-09 | 1.80MB | |||
| 10.2 BP神经网络模型及其代码实现 |
视频
.mp4
|
2024-04-09 | 74.61MB | ||
|
文档
.pptx
|
2024-04-09 | 1.66MB | |||
| 10.3 基于卷积神经网络(CNN)实现对花朵的识别预测 |
视频
.mp4
|
2024-04-09 | 378.55MB | ||
|
文档
.pptx
|
2024-04-09 | 7.73MB | |||
| 10.4 基于CNN的猫狗分类 |
视频
.mp4
|
2024-04-09 | 962.13MB | ||
|
文档
.pptx
|
2024-04-09 | 2.45MB | |||
| 10.5 基于卷积神经网络模型的水果识别 |
视频
.mp4
|
2024-04-09 | 815.36MB | ||
|
文档
.pptx
|
2024-04-09 | 1.71MB | |||
| 10.6 基于PyTorch和卷积神经网络实现动物分类预测 |
视频
.mp4
|
2024-04-09 | 78.35MB | ||
|
文档
.pptx
|
2024-04-09 | 2.82MB | |||
| 10.7 基于循环网络seq2seq模型实现的聊天机器人 |
视频
.mp4
|
2024-04-09 | 86.38MB | ||
|
文档
.docx
|
2024-04-09 | 1.63MB | |||
| 10.8 基于BP神经网络实现回归与分类 |
视频
.mp4
|
2024-04-09 | 37.85MB | ||
|
文档
.pptx
|
2024-04-09 | 21.93MB | |||
| 10.9 神经网络实现数据集的分类与回归任务 |
视频
.mp4
|
2024-04-09 | 384.06MB | ||
|
文档
.ppt
|
2024-04-09 | 2.95MB |
图片 课程章节
4
5
