Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

XuetangX

深度学习与强化学习

WHU - Otto Beisheim School of Management via XuetangX

Overview






在人工智能的浩瀚海洋中,深度学习与强化学习如同两颗璀璨的明珠,各自闪耀着独特的光芒。当这两者相结合时,便诞生了一门兼具传统经典与前沿新颖的课程——深度学习与强化学习。

本课程首先带领学生回顾深度学习的经典模型,如感知机、多层感知机、以及支持向量机等。这些模型是机器学习领域的基石,为后续的复杂模型提供了坚实的理论基础。我们深入剖析这些模型的工作原理,通过实例演示它们的应用场景,让学生深刻体会到深度学习在解决实际问题中的强大威力。

紧接着,课程引入了深度学习中的新颖技术——对抗生成网络(GANs)。GANs以其独特的对抗性训练方式和出色的生成能力,在图像、视频、音频等领域取得了令人瞩目的成果。我们详细讲解了GANs的基本原理和算法,通过丰富的案例和实验,让学生亲身感受到GANs在数据增强、艺术创作等方面的广泛应用和无限潜力。同时,我们还探讨了GANs的改进方向和研究热点,激发学生的创新思维和研究兴趣。

除了深度学习,本课程还重点介绍了强化学习的基本概念和原理。强化学习是一种通过与环境交互来学习最优决策策略的机器学习方法。我们详细阐述了马尔科夫决策过程、值函数、策略梯度等核心概念,通过经典案例和算法实现,让学生深入理解强化学习的本质和精髓。同时,我们还介绍了强化学习在游戏控制、机器人控制等实际场景中的应用,让学生领略到强化学习的广阔前景和实用价值。

在课程的最后阶段,我们将深度学习与强化学习相结合,探讨了深度强化学习的前沿动态和发展趋势。深度强化学习结合了深度学习的感知能力和强化学习的决策能力,为解决复杂实际问题提供了新的思路和方法。我们通过案例分析和实验验证,让学生深刻体会到深度强化学习在自动驾驶、智能推荐等领域的巨大潜力和应用价值。

总的来说,深度学习与强化学习课程是一门兼具传统经典与前沿新颖的综合性课程。通过学习本课程,学生将全面深入地理解人工智能领域的关键技术和方法,提升自身在未来职场中的竞争力。同时,本课程还将培养学生的创新思维和研究能力,为人工智能领域的发展贡献自己的力量。

 




Syllabus

  • 第一章 概述
    • 1.1 概述
    • 1.2 习题
  • 第二章 神经网络基础
    • 2.1 神经网络基础概述
    • 2.2 张量基础
    • 2.3 张量高级操作
    • 2.4 反向传播与梯度下降
    • 2.5 习题
  • 第三章 全链接网络
    • 第四章 卷积神经网络
      • 4.1 卷积神经网络基础
      • 4.2 卷积神经网络可视化
      • 4.3 习题
    • 第五章 循环神经网络
      • 5.1 循环神经网络基础
      • 5.2 循环神经网络进阶
      • 5.3 习题
    • 第六章 生成式对抗网络
      • 6.1 模式原理与应用
      • 6.2 展望
      • 6.3 习题
    • 第七章 强化学习
      • 7.1 强化学习基本原理
      • 7.2 强化学习模型介绍
      • 7.3 习题
    • 第八章 深度学习中的关键点
      • 8.1 深度学习中的关键点1
      • 8.2 深度学习中的关键点2
    • 第九章 第九章泛化与模型评估改进
      • 9.1 泛化与模型评估改进理论
      • 9.2 泛化与模型评估改进应用
    • 第十章预训练语言模型研究与应用
      • 10.1 预训练语言模型研究
      • 10.2 预训练语言模型应用

    Taught by

    Chao liang and linsong

    Reviews

    Start your review of 深度学习与强化学习

    Never Stop Learning.

    Get personalized course recommendations, track subjects and courses with reminders, and more.

    Someone learning on their laptop while sitting on the floor.