欢迎来到在线教学平台
问题答疑
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
更多
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
教师登录
学生登录
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
教师登录
学生登录
首页 - 课程列表 - 课程详情
返回
模式识别与机器学习_福州大学
课程类型：
选修课
发布时间：
2024-11-27 11:35:58
主讲教师：
课程来源：
建议学分：
0.00分
课程编码：
mk004998
课程介绍
课程目录
教师团队
{1}--第一章 模式识别基本概念
[1.1.1]--什么是模式识别.mp4
（11分钟）
[1.2.1]--模式识别数学表达.mp4
（15分钟）
[1.3.1]--特征向量的相关性.mp4
（15分钟）
[1.4.1]--机器学习基本概念.mp4
（21分钟）
[1.5.1]--模型的泛化能力.mp4
（14分钟）
[1.6.1]--评估方法与性能指标.mp4
（21分钟）
{2}--第二章 基于距离的分类器
[2.1.1]--MED分类器.mp4
（11分钟）
[2.2.1]--2.2 特征白化.mp4
（18分钟）
[2.3.1]--MICD分类器.mp4
（6分钟）
{3}--第三章 贝叶斯决策与学习
[3.1.1]--贝叶斯决策与MAP分类器.mp4
（17分钟）
[3.2.1]--3.2 MAP分类器：高斯观测概率.mp4
（17分钟）
[3.3.1]--决策风险与贝叶斯分类器.mp4
（21分钟）
[3.4.1]--最大似然估计.mp4
（21分钟）
[3.5.1]--最大似然的估计偏差.mp4
（17分钟）
[3.6.1]--贝叶斯估计（1）.mp4
（18分钟）
[3.7.1]--贝叶斯估计（2）.mp4
（17分钟）
[3.8.1]--3.8 KNN估计.mp4
（16分钟）
[3.9.1]--直方图与核密度估计.mp4
（21分钟）
{4}--第四章 线性判据与回归（一）
[4.1.1]--4.1 线性判据基本概念.mp4
（20分钟）
[4.2.1]--4.2 线性判据学习概述.mp4
（13分钟）
[4.3.1]--4.3 并行感知机算法.mp4
（17分钟）
[4.4.1]--4.4 串行感知机算法.mp4
（19分钟）
[4.5.1]--4.5 Fisher线性判据.mp4
（20分钟）
[4.6.1]--4.6 支持向量机基本概念.mp4
（18分钟）
[4.7.1]--4.7 拉格朗日乘数法.mp4
（25分钟）
[4.8.1]--4.8 拉格朗日对偶问题.mp4
（15分钟）
[4.9.1]--4.9 支持向量机学习算法.mp4
（19分钟）
{5}--第四章 线性判据与回归（二）
[5.1.1]--4.10软间隔支持向量机.mp4
（23分钟）
[5.2.1]--4.11线性判据多类分类.mp4
（20分钟）
[5.3.1]--4.12线性回归.mp4
（24分钟）
[5.4.1]--4.13逻辑回归的概念.mp4
（18分钟）
[5.5.1]--4.14逻辑回归的学习.mp4
（15分钟）
[5.6.1]--4.15Softmax判据的概念.mp4
（19分钟）
[5.7.1]--4.16Softmax判据的学习.mp4
（18分钟）
[5.8.1]--4.17核支持向量机.mp4
（23分钟）
{6}--第五章 神经网络
[6.1.1]--神经网络的概念.mp4
（7分钟）
[6.2.1]--BP算法.mp4
（19分钟）
[6.4.1]--价值塑造与专业能力培养共蕴互促的课程思政体系建设.mp4
（29分钟）
[6.6.1]--5.3 BP算法再探.mp4
（13分钟）
[6.7.1]--5.4 超越梯度_Hessian矩阵.mp4
（21分钟）
[6.8.1]--5.5 神经网络中的牛顿法.mp4
（18分钟）
[6.9.1]--5.6 二阶偏导反向传播.mp4
（15分钟）
[6.10.1]--5.7 动量项与随机梯度下降.mp4
（22分钟）
[6.11.1]--5.8 自适应步长算法.mp4
（21分钟）
[6.12.1]--5.9 神经网络正则化-权重衰减.mp4
（22分钟）
[6.13.1]--5.10 神经网络正则化-早停机制.mp4
（9分钟）
[6.14.1]--5.11 神经网络正则化-切线传播.mp4
（13分钟）
[6.15.1]--5.12 神经网络正则化-数据增强.mp4
（15分钟）
京公网安备 11011502004263