本课程为精品课，您可以登录eeworld继续观看： Matrix Multiplication Properties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 转一个老外的超炫RGB旋转时钟 直播回放: TI 毫米波雷达在汽车和工业领域的最新应用 东芝在线展会2016 Zigbee系列教程 TI SimpleLink™ 平台 电子测量与智能仪器(浙江大学) 2016 TI 电池管理及Type C研讨会 （下） Microchip dsPIC33 DSC数字电源 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 分享一下Verilog 仿真实现字符串显示 今天遇到一个问题，就是在Modelsim里面显示当前的仿真的步骤，在网上查到可以这样实现：regMessage;initaialbeginMessage=String1;#10000Message=String2;....end然后在modelsim里面把Message的显示属性修改为ASC码显示，就出来了，呵呵。分享一下Verilog仿真实现字符串显示不错的经验灌水 精远FPGA IBM宣布开发授权，促进嵌入式的发展 由于缺乏高端SoC芯片技术，国内IC设计企业在嵌入式CPU开发上一直处于落后状态。可喜的是，随着全球半导体产业的技术转移及自身的努力，近年来国内已涌现出一些嵌入式CPU开发优势企业。下面就由福州卓跃教育具体介绍。近期，PowerPC的创立者IBM也进一步放开了相关授权，这无疑对国内嵌入式企业来讲是个利好消息。IBM近日宣布了一项扩展PowerArchitecture技术授权的计划，其中首次涉及一项多用途授权协议，即开发商可通过一项授权使用整个Power内核系列。设计人员现在 djdhn WinCE下获得环境变量 怎样在WinCE下获得环境变量？有什么API吗？象CEPlatform，CEVersion这种跟硬件相关的环境变量请教大虾WinCE下获得环境变量用.Net2003。有Version和OSVersion。System.Envirenment.VersionSystem.Envirenment.OSVersion我用的是WinCE5.0搜索文档，好像没有System.Envirenment.VersionSystem.Envirenment.OSVersion最好有A oranland 通过PFILE_OBJECT的DeviceObject如何修改盘符？？十万火急！ 如题：UNICODE_STRINGusDosName;PFILE_OBJECTpFileObject=IrpSp-fileObject;使用RtlVolumeDeviceToDosName(pFileObject-DeviceObject,&usDosName)可以得到usDosName的盘符，如C：问题是如何修改C：为J：，实现文件的跨盘存储？通过PFILE_OBJECT的DeviceObject如何修改盘符？？十万火急！自己项下。。mark友情帮顶下 jhon MCF52259 QSPI读写SD卡的一个简单demo 发个用MCF52259的QSPI模块读写SD卡的简单程序，实现功能很简单，就是先获取SD卡的有关信息（块大小，块的数目），再随便往一个块写点东西，这里是往第20块写入一些数据，再读出来，通过串口把数据发送出去，你可以通过串口调试助手等工具看到读出的和写入的是否一样。MCF52259QSPI读写SD卡的一个简单demo顺便说下，这个demo是在我们做的NSCF52259-R2开发板上测试通过的没有这个板子，呵呵，不过可以学习一下方法没有这个板子，不过可以学习一下 bluehacker (新人一只)关于msp430f5529 launchpad 的12864lcd液晶显示问题 我用msp430f5529launchpad在12864（型号为QC12864B）液晶显示汉字等内容时，发现完全没有显示，而且PSB脚一旦接入单片机的I/O口，芯片会很烫。rst接却不会。其中RSRWE分别接P2.7，P2.6，P2.5。P3为数据口，PSB直接连上+5V电压（此情况下芯片不发热），RST不接，Vout接+3.3V电压。（之前这样接的时候有成功显示过，但某一次把线重新接后就没有显示了）QC12864B引脚说明1VSS电源地2VD wujixiu 网友正在看 Altium Designer—制作封装元件 图像色彩空间（Bayer） BC20模组原理图绘制-串口通信部分 Geomerics Enlighten实时全局照明SDK 触控USB鼠标实验(M3) 明德扬的FPGA设计模板 matlab基本操作函数cylinder C2000DesignDRIVE 位置管理器
