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
扫码下载Android
扫码下载iOS
扫码打开微信小程序
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
（0分钟）
[1.2.1]--模式识别数学表达.mp4
（0分钟）
[1.3.1]--特征向量的相关性.mp4
（0分钟）
[1.4.1]--机器学习基本概念.mp4
（0分钟）
[1.5.1]--模型的泛化能力.mp4
（0分钟）
[1.6.1]--评估方法与性能指标.mp4
（0分钟）
{2}--第二章 基于距离的分类器
[2.1.1]--MED分类器.mp4
（0分钟）
[2.2.1]--2.2 特征白化.mp4
（0分钟）
[2.3.1]--MICD分类器.mp4
（0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
（0分钟）
[3.2.1]--3.2 MAP分类器：高斯观测概率.mp4
（0分钟）
[3.3.1]--决策风险与贝叶斯分类器.mp4
（0分钟）
[3.4.1]--最大似然估计.mp4
（0分钟）
[3.5.1]--最大似然的估计偏差.mp4
（0分钟）
[3.6.1]--贝叶斯估计（1）.mp4
（0分钟）
[3.7.1]--贝叶斯估计（2）.mp4
（0分钟）
[3.8.1]--3.8 KNN估计.mp4
（0分钟）
[3.9.1]--直方图与核密度估计.mp4
（0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
（0分钟）
[4.2.1]--4.2 线性判据学习概述.mp4
（0分钟）
[4.3.1]--4.3 并行感知机算法.mp4
（0分钟）
[4.4.1]--4.4 串行感知机算法.mp4
（0分钟）
[4.5.1]--4.5 Fisher线性判据.mp4
（0分钟）
[4.6.1]--4.6 支持向量机基本概念.mp4
（0分钟）
[4.7.1]--4.7 拉格朗日乘数法.mp4
（0分钟）
[4.8.1]--4.8 拉格朗日对偶问题.mp4
（0分钟）
[4.9.1]--4.9 支持向量机学习算法.mp4
（0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
（0分钟）
[5.2.1]--4.11线性判据多类分类.mp4
（0分钟）
[5.3.1]--4.12线性回归.mp4
（0分钟）
[5.4.1]--4.13逻辑回归的概念.mp4
（0分钟）
[5.5.1]--4.14逻辑回归的学习.mp4
（0分钟）
[5.6.1]--4.15Softmax判据的概念.mp4
（0分钟）
[5.7.1]--4.16Softmax判据的学习.mp4
（0分钟）
[5.8.1]--4.17核支持向量机.mp4
（0分钟）
{6}--第五章 神经网络
[6.10.1]--5.7 动量项与随机梯度下降.mp4
（0分钟）
[6.11.1]--5.8 自适应步长算法.mp4
（0分钟）
[6.12.1]--5.9 神经网络正则化-权重衰减.mp4
（0分钟）
[6.13.1]--5.10 神经网络正则化-早停机制.mp4
（0分钟）
[6.14.1]--5.11 神经网络正则化-切线传播.mp4
（0分钟）
[6.15.1]--5.12 神经网络正则化-数据增强.mp4
（0分钟）
[6.1.1]--神经网络的概念.mp4
（0分钟）
[6.2.1]--BP算法.mp4
（0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
（0分钟）
[6.6.1]--5.3 BP算法再探.mp4
（0分钟）
[6.7.1]--5.4 超越梯度_Hessian矩阵.mp4
（0分钟）
[6.8.1]--5.5 神经网络中的牛顿法.mp4
（0分钟）
[6.9.1]--5.6 二阶偏导反向传播.mp4
（0分钟）
{7}--期末考试
{8}--知识图谱专栏
京公网安备 11011502004263