本课程为精品课，您可以登录eeworld继续观看： Model Representation继续观看 课时1：Welcome 课时2：What is Machine Learning 课时3：Supervised Learning 课时4：Unsupervised Learning 课时5：Model Representation 课时6：Cost Function 课时7：Cost Function - Intuition I 课时8：Cost Function - Intuition II 课时9：Gradient Descent 课时10：Gradient Descent Intuition 课时11：Gradient Descent For Linear Regression 课时12：What-'s Next 课时13：Matrices and Vectors 课时14：Addition and Scalar Multiplication 课时15：Matrix Vector Multiplication 课时16：Matrix Matrix Multiplication 课时17：Matrix Multiplication Properties 课时18：Inverse and Transpose 课时19：Multiple Features 课时20：Gradient Descent for Multiple Variables 课时21：Gradient Descent in Practice I - Feature Scaling 课时22：Gradient Descent in Practice II - Learning Rate 课时23：Features and Polynomial Regression 课时24：Normal Equation 课时25：Normal Equation Noninvertibility (Optional) 课时26：Basic Operations 课时27：Moving Data Around 课时28：Computing on Data 课时29：Plotting Data 课时30：Control Statements- for, while, if statements 课时31：Vectorization 课时32：Working on and Submitting Programming Exercises 课时33：Classification 课时34：Hypothesis Representation 课时35：Decision Boundary 课时36：Cost Function 课时37：Simplified Cost Function and Gradient Descent 课时38：Advanced Optimization 课时39：Multiclass Classification- One-vs-all 课时40：The Problem of Overfitting 课时41：Cost Function 课时42：Regularized Linear Regression 课时43：Regularized Logistic Regression 课时44：Non-linear Hypotheses 课时45：Neurons and the Brain 课时46：Model Representation I 课时47：Model Representation II 课时48：Examples and Intuitions I 课时49：Examples and Intuitions II 课时50：Multiclass Classification 课时51：Cost Function 课时52：Backpropagation Algorithm 课时53：Backpropagation Intuition 课时54：Implementation Note- Unrolling Parameters 课时55：Gradient Checking 课时56：Random Initialization 课时57：Putting It Together 课时58：Autonomous Driving 课时59：Deciding What to Try Next 课时60：Evaluating a Hypothesis 课时61：Model Selection and Train-Validation-Test Sets 课时62：Diagnosing Bias vs. Variance 课时63：Regularization and Bias-Variance 课时64：Learning Curves 课时65：Deciding What to Do Next Revisited 课时66：Prioritizing What to Work On 课时67：Error Analysis 课时68：Error Metrics for Skewed Classes 课时69：Trading Off Precision and Recall 课时70：Data For Machine Learning 课时71：Optimization Objective 课时72：Large Margin Intuition 课时73：Mathematics Behind Large Margin Classification (Optional) 课时74：Kernels I 课时75：Kernels II 课时76：Using An SVM 课时77：Unsupervised Learning- Introduction 课时78：K-Means Algorithm 课时79：Optimization Objective 课时80：Random Initialization 课时81：Choosing the Number of Clusters 课时82：Motivation I- Data Compression 课时83：Motivation II- Visualization 课时84：Principal Component Analysis Problem Formulation 课时85：Principal Component Analysis Algorithm 课时86：Choosing the Number of Principal Components 课时87：Reconstruction from Compressed Representation 课时88：Advice for Applying PCA 课时89：Problem Motivation 课时90：Gaussian Distribution 课时91：Algorithm 课时92：Developing and Evaluating an Anomaly Detection System 课时93：Anomaly Detection vs. Supervised Learning 课时94：Choosing What Features to Use 课时95：Multivariate Gaussian Distribution (Optional) 课时96：Anomaly Detection using the Multivariate Gaussian Distribution (Optional) 课时97：Problem Formulation 课时98：Content Based Recommendations 课时99：Collaborative Filtering 课时100：Collaborative Filtering Algorithm 课时101：Vectorization- Low Rank Matrix Factorization 课时102：Implementational Detail- Mean Normalization 课时103：Learning With Large Datasets 课时104：Stochastic Gradient Descent 课时105：Mini-Batch Gradient Descent 课时106：Stochastic Gradient Descent Convergence 课时107：Online Learning 课时108：Map Reduce and Data Parallelism 课时109：Problem Description and Pipeline 课时110：Sliding Windows 课时111：Getting Lots of Data and Artificial Data 课时112：Ceiling Analysis- What Part of the Pipeline to Work on Next 课时113：Summary and Thank You 课程介绍共计113课时，19小时28分58秒 机器学习 吴恩达 此课程将广泛介绍机器学习、数据挖掘与统计模式识别的知识。主题包括：(i) 监督学习（参数/非参数算法、支持向量机、内核、神经网络）。(ii) 非监督学习（聚类、降维、推荐系统、深度学习）。(iii) 机器学习的优秀案例（偏差/方差理论；机器学习和人工智能的创新过程）课程将拮取案例研究与应用，学习如何将学习算法应用到智能机器人（观感，控制）、文字理解（网页搜索，防垃圾邮件）、计算机视觉、医学信息学、音频、数据挖掘及其他领域上。 上传者：老白菜 猜你喜欢 蓝牙红外 玩转 Arduino——物联网嵌入式开发入门 RT-thread在线培训 2016 TI 工业研讨会：TI高功率密度电源设计中的散热解决方案 基于灵动MM32L系列低功耗MCU的测温枪应用方案分享 深入理解无刷直流电机 直播回放: 符合 USB 2.0 标准的最新隔离器件 合见工软小课堂——先进封装在设计环节面临着哪些挑战？ 热门下载 场效应晶体管及其集成电路 经典教材：《电子元器件及手工焊接》(7).pdf 单片机控制的LCD心电监护仪的设计 AMC7150cv资料 μPD7802808单片机的功能及应用 Verilog HDL语言的PPT教程。包括简介、逻辑概念、语法和示例。 遗传工具箱及代码 HDS组态软件功能演示工程 数字电路课程设计教学大纲.doc Digital Signal Processing Using MATLAB 3rd Edition, by Vinay K. Ingle and John G. Proakis.pdf 热门帖子 Debug main(){//PB1设置为推挽输出DrvGPIOInit(PB,E_PIN_0,E_GPIO_MODE_OUT_PP_L_SLOW);//使能TIM2的时钟CLK_PCKENR=0x01;//关闭TIM2TIM2_CR1|=0x00;//16分频TIM2_PSCR=0x04;//初始的计数值TIM3_CNTR=0x00;//设置波形的频率,0.125MHZ/(139+1)=900HZ czx2014 Atmel SAM D21 Xplained Pro 开发板 早在几年前，在一款GPS跟踪器上用过ATMEL的芯片，对ATMEL芯片的卓越表现印象深刻。后来因为转型做其它产品，ATMEL的MCU用得较少，不过一直在关注ATMEL的MCU发展，ATEML的MCU家族越来越庞大，性能越来越高，功耗越来越低，而且ATMEL的产品都是紧跟电子产品发展潮流，迎合市场的需求。AtmelSAMD21开发板是个不错的研发平台，我们可以在上面可以做很多事情，上面接口丰富，可以根据需要外挂设备进行调试，软件开发环境使用也挺方便，简单易学，是MCU发烧友们理想的选择 1055875333 新手学STM32 刚团购了一块STM32f091,可kEIL软件安装后没驱动，求大神指导新手学STM32先到KEIL网站下载驱动PACK具体是哪一个？Keil.STM32F0xx_DFP.1.2.0.zip,这个,我的版本比较老,现在是1.30版的,现在好了,用MDK导入wawaw发表于2015-1-2515:19Keil.STM32F0xx_DFP.1.2.0.zip,这个,我的版本比较老,现在是1.30版的,现在好了,用MDK导入 恩恩，我找找，谢谢找pack导入 沉淀淀 【我与TI的结缘】TI伴我成长 提到TI，不得不说，缘分还真近，听我从头说起。其实我的专业是网络工程，这个专业其实与电类专业没啥交集，能有点关系的就是计算机体系结构的基础课程—数字电路与逻辑设计，稍微讲了讲常用数字器件与非门什么的。然而，在内心深处，我确是一个电子爱好者，从小就爱拆卸家用电器中的电子元件。在大学时期，确实没怎么系统的受过电子方面的教育，唯一懂的只有汇编和C编程。出于对电类的崇拜，我打算毕业后从事单片机方面的工作。有幸，我找到了一家实习单位。在这个时候，我对单片机的了解其实就是51，但是51我也 lcofjp STM8S207R8控制ILI9341驱动初始化不成功 那啥，我是新手，问的问题比较幼稚，别奇怪啊！最近在做一个小项目，我用STM8S207R8控制ILI9341驱动初始化，根据网上的ILI9341驱动初始化程序，但是初始化不成功，用示波器检查一下，发现从开始接电，复位脚的电压就一直是2.5V。代码如下：voidLCD_init(void){RST-SR|=0x08;Delay(2);RST-SR&=~0x08;Delay(20);RST-SR|=0x08; a234280158 STM32串口发送中断 SECTION1SECTION2先说TC。即TransmissionComplete。发送一个字节后才进入中断，这里称为“发送后中断”。和原来8051的TI方式一样，都是发送后才进中断，需要在发送函数中先发送一个字节触发中断。发送函数如下voidUSART_SendDataString(u8*pData){pDataByte=pData;USART_ClearFlag(USART1,USART_FLAG_TC);// liuwanlihao1 网友正在看 inverse kinematics of 6 dof robot 开关电源稳定性分析之奈奎斯特稳定性判据 AlphaDog Proto 加权采样时间，宽度摸块 丝印调整 嵌入式数据库B7.1 SPI主控制器驱动和核心函数 1.1 电量计方案选型、基本功能介绍
