本课程为精品课，您可以登录eeworld继续观看： Gradient Descent Intuition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 2015电源设计研讨会: 定频降压型变换器的控制策略 “十天学会MSP430”视频教程 如何使用Java Pi4J对树莓派I/O口编程 Microchip开关稳压器产品线介绍 2016 TI 工业研讨会：TI工业信号链方案攻略 TI 2016 电机驱动线上研讨会 MCP3903六通道模拟前端采样芯片 如何使用Coocox 开发 STM32F0 热门下载 水木清华DSP技术精华 dsp学习不可或缺的资料 基于STC89C52单片机智能小车设计_陈飞鹏 MAX15458 关联分类算法采用贪心算法发现高质量分类规则 AVR单片机的天然气发动机电控系统设计 时序约束整理 这种数学模型的使用能使旅游学更具学科性 通信电子电路基础 IBM笔记本机型与所用屏幕品牌、型号对照表 振荡电路的设计与应用-稻叶-293页-20.3M.pdf 热门帖子 课程设计求一个思路 老师要求做一个交流电频率检测仪，想求一下思路，已经有个范例电路图但是是测交流电压和频率的，想知道改动那里才能实现只测频率，并求大神讲解模块功能课程设计求一个思路用比较器是个不错的办法，另外可以用MCU的输入捕获不用它的ADC不可以只测量频率了。dontium发表于2015-11-709:58不用它的ADC不可以只测量频率了。 您好我没太理解您的意思首先，这个题目，你最困惑的地方就是，如何测量频率。你找到一个测量频率和电压的例子。但是因为你并 wavehandxx 开关电源 有大佬可以帮忙看看这个电路的问题在哪里吗？我用494搭mos管，中间加了一个2104开关电源这图怎么看着那么别扭啊，楼主是想表达什么意思呢？TL494输出级是两支NPN三极管，这两支三极管发射极和集电极均直接引出到芯片外。图中两支三极管发射极(E1和E2)均接地，两集电极(C1和C2)经R7联接到MOS管门极，而两集电极并无负载电阻，所以两集电极没有输出(这一点应该可以从仿真示波器中看出来)。MOS管门极总是低电平，故MOS管不会工作。 maychang发表 YJJ盛夏 6“万里”树莓派小车——wiringPi学习（PWM与外部中断模拟定时器） 前面介绍C语言下使用线程然后查询的方法实现定时器的功能不靠谱，我创新的想到了另一种方法，PWM与外部中断组合成一个定时器。原理是使用树莓派产生PWM波形，然后将产生PWM波形的引脚与外部中断输入引脚相连，这样控制PWM波形的频率就等于控制了定时器的周期。树莓派4拥有4个PWM输出引脚，树莓派功能引脚位置如下。wiringPi库的引脚定义有自己的一套规则，例如物理位置12的引脚，就是wpi下的1号引脚，BCM定义下的18号引脚。各规则引脚定义如下图。 lb8820265 功率放大器的基本知识 一般视听电路中的功率放大（简称功放）电路是在电压放大器之后，把低频信号再进一步放大，以得到较大的输出功率，最终用来推动扬声器放音或在电视机中提供偏转电流。一、功率放大电流的特点对功放电路的了解或评价，主要从输出功率、效率和失真这三方面考虑。1、为得到需要的输出功率，电路须选集电极功耗足够大的三极管，功放管的工作电流和集电极电压也较高。电路设计使用中首先要考虑怎样充分地发挥三极管功能而又不损坏三极管。由于电路中功放管工作状态常接近极限值，所以功放电流调整和使用时要小心，不宜超限使用。2、 lukdtc LM3S9B92使用STR指令就进入FaultISR中，是什么原因？ 最近在研究uCOS-III的东西，移植了之后发现了一个问题。进行debug的时候，程序总是进入FaultISR的死循环中。但是直接上电运行的话，程序是能跑起来的，数据也是对的。后来通过单步加断点的方法，找到了原因。debug的时候，每次执行到一句STR指令的时候，就会进入死循环了。代码如下：OSStartHighRdyLDRR0,=NVIC_SYSPRI14;SetthePendSVexceptionpriorityLDR ultrabenz 不使用光耦的情况下，怎么用5V单片机通过三极管控制12V器件？ 不使用光耦的情况下，5V单片机的IO怎么通过三极管控制12V器件？不使用光耦的情况下，怎么用5V单片机通过三极管控制12V器件？再加一支三极管，控制控制12V器件的那个三极管即可。 是这样吗？R4有必要加吗？ 【是这样吗？】大致是如此。R6数值需要计算一下，以Q5饱和时Q4能够得到足够基极电流为准。 【R4有必要加吗？】R4不应该接5V，应该接地。如果单片机的I/O口是弱上拉，那么从单片机I/O引脚到5V应该接上拉电阻，此时R sky999 网友正在看 频谱的线性搬移电路（一） Pathological Data Sets and Universal Hashing Motivation TinyEngine - Efficient Training and Inference on Microcontrollers EMC共地干扰问题解析 離散F轉換 - 8_傅立葉轉換範例 - 週期三角函數 北京大学课程：电磁学28 F题—纸张计数显示装置解析与交流 总线及其形成（四）
