本课程为精品课，您可以登录eeworld继续观看： Control Statements- for, while, if statements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 Microchip苹果配件开发工具包 WEBENCH Visualizer设计工具 嵌入式linux开发入门视频 直播回放: Mouser&TE 解锁智能家居部件新技术，探索连接黑科技 机器学习基础：案例研究（华盛顿大学） Android车载操作系统开发揭秘 2015 TI MCU研讨会(2) MSP430 直播回放: TI 多款MSP430 ™ 片上Sigma-Delta ADC助力高精度信号检测应用 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 如何用单片机AD功能侦测电路负电压输出数值 图1是需要侦测的负电压输出端，负高压输出为4KV左右，C19下端接地。之前是直接使用分压模块，用万用表检测负高压数值，而现在需要增加Feed电路，用单片机检测输出电压，再进行判断调整。图2是之前设想的检测电路，但是因为电路本身并没有负压，只有+12V，所以运放工作电压+12V和0V，所以没有办法把分压出来的-4V转化为+4V。而如果再图1D5下端，串联进分压检测电路，会影响负高压输出，只有2KV左右，无法达到要求。请问各位大神有什么办法，检测一下输出的负高压，谢谢！！！如何用单片 assypn 请教 如何测试从硬件发出中断到ISR响应中断的响应时间? 由于要求的实时性蛮高的,响应加计算要在8个毫秒内完成.所以想测试一下纯粹的响应需要多长时间.有什么方法或者网页或者哪本书上有这方面的资料么???请教如何测试从硬件发出中断到ISR响应中断的响应时间?测试从硬件发出中断到ISR响应中断的响应时间。用示波器就好了。每次时间是不一样的。只不过没有啥意义。如果没有其他中断在运行。这个值可以忽略不计。谢谢最近的一次用示波器，还在学校呢，这都好几年了~客户要求写报告的一系列响应的时间都需要在报告中体现进IST的时间太长了，而且有时候很 pppphzmns 近一个月.从不知道啥叫M3核开始.一步步走过来的程序整理.对新手比较有帮助 RT.不知不觉一个月了.这一个月应该是我大学以来收获最大的一个月.考研准备正式开始.30天看了高等数学的1/2.开始准备电子设计大赛.都说大学教育如何如何.平心而论.学校给我们的条件真的不错了.不多说了.上几个自己弄的程序.也算是总结下自己这个月的工作.每个例程都有详细的资料.有需要的话请说.我会跟贴发出来.这里就只上程序了整理了下.才发现能拿出手的.就这么仨程序.不过.从学习MDK平台.到板子的boot方式好几天才发现不正确.后来串口输出结尾有乱码.DMA超时接收控制.真彩屏显示.还是废了 astwyg STM32建立新工程的问题 关于STM32建立新工程的问题！在设置C/C++页面时的定义预处理符号，我定义的是USE_STDPERIPH_DRIVER,STM32F10X_CL。但是问题就来了，在编译的时候，MDK自动就用它自带的conf.h文件，而没有用我的文件。造成了许多错误！想问问各位大侠，怎么设置才能避免这个问题呢？STM32建立新工程的问题那你就不用配置USE_STDPERIPH_DRIVER罢用你自已编写的就好了，再说了CONF.h的文件又不是不能改！你不用的头文件 liuyiyuan ARM简单的OS问题 现在想用ARM写一个简单的OS,需要建一个进程表，然后从进程表里面读取进程的内容，运行，删除这个进程，再读取下一个。进程的内容为很简单的应用，如利用SWI输出“HelloWorld!之类的。输出为如下的格式：Welcome！Startingprocess#0HelloWorld!Killingprocess#0Startingprocess#1HelloWorld!Killingprocess#1Startingprocess#2HelloWorl linfmaing08 充电桩方案浅析 常见充电桩有直流充电桩、交流充电桩、交直流充电桩等。涉及到的芯片或零组件包括充电模块、显示模块、线缆、主控板及元器件、接触器、断路器、继电器、外壳、插头插座等。1、充电桩成本构成：充电模块（30kW单个约2000元）、充电枪线（5米约5000元）、主控板（约1500元）、显示模块+通讯模块+壳体+线束+继电器（整体300元/kW，售价400元/kW）；2、800V高压充电桩相对于400V升级：单800V升压内部结构不升级；高功率高电流要做分体机，耐高压高电流线束继电器 火辣西米秀 网友正在看 家庭物联网关介绍 第四章-02-结构体成员的默认值 电子测量原理40 布局-PCB封装更新 三阶系统仿真实验 ADI技术及产品支持中国能源互联网.p1 电力电子基础 如何开发DSP在OMAPL138（除了Linux）
