| 简介 | 链接 | 前置知识 |
| 神经网络 | 神经网络 | |
| 卷积神经网络，基本概念 | 卷积神经网络 | 神经网络 |
| 卷积神经网络经典架构LetNet5,AlexNet,VGG16 | 卷积神经网络经典架构LetNet5,AlexNet,VGG16 | 卷积神经网络 |
| 多分类学习:ECOC,softmax | sheng的学习笔记-AI-多分类学习 | |
| sheng的学习笔记- AI-类别不平衡问题，数据分布不均匀解决方案 | sheng的学习笔记- AI-类别不平衡问题 | |
| 残差网络，解决网络退化问题 | sheng的学习笔记-AI-残差网络-Residual Networks (ResNets)-CSDN博客 | 神经网络 |
| Nin网络和1*1卷积，1*1卷积思想在很多架构都有应用 | sheng的学习笔记-AI-Network in Network（NIN）和1*1卷积-CSDN博客 | 卷积神经网络 |
| inception网络，自动学习卷积的核用1*1还是3*3还是5*5，计算量大需要1*1卷积知识，需要残差网络知识 | sheng的学习笔记-AI-Inception network-CSDN博客 | 卷积神经网络， 1*1卷积， 残差网络 |
| 目标检测，yolo网络 | sheng的学习笔记-AI-YOLO算法，目标检测 | 卷积神经网络 |
| 人脸识别 | sheng的学习笔记-AI-人脸识别-CSDN博客 | 卷积神经网络 |
| 循环神经网络(RNN),GRU,LSTM，基本概念 | sheng的学习笔记-AI-序列模型（Sequence Models），RNN,GRU,LSTM-CSDN博客 | 神经网络 |
| 自然语言处理，机器翻译，词嵌入 | sheng的学习笔记-AI-自然语言处理（NLP），机器翻译，情感分类，词嵌入-CSDN博客 | 循环神经网络 |
| 注意力模型 | sheng的学习笔记-AI-注意力模型(Attention Model)-CSDN博客 | 循环神经网络 自然语言处理，机器翻译，词嵌入 |
| TCN 时序卷积，因果卷积，空洞卷积 | sheng的学习笔记-TCN时序卷积：因果卷积、空洞卷积-CSDN博客 | 循环神经网络 卷积神经网络 残差网络 |
| wavenet模型 | sheng的学习笔记-AI-WaveNet模型-CSDN博客 | 循环神经网络 卷积神经网络 TCN 时序卷积，因果卷积，空洞卷积 残差网络 |
| 决策树（Decision Tree） | sheng的学习笔记-AI-决策树（Decision Tree） | |
| 支持向量机（SVM） | sheng的学习笔记-AI-支持向量机（SVM） | |
| 贝叶斯（Bayesian）分类 | sheng的学习笔记-AI-贝叶斯（Bayesian）分类-CSDN博客 | |
| EM算法 | sheng的学习笔记-AI-EM算法-CSDN博客 | |
| 集成学习,boosting,bagging,随机森林,堆叠法 | sheng的学习笔记-AI-集成学习（boosting,bagging,随机森林,堆叠法） | 决策树（Decision Tree） |
| adaboost（Adaptive Boosting） | sheng的学习笔记-AI-adaboost（Adaptive Boosting） | 集成学习，ababoost算法，bagging算法，随机森林算法 |
| xgboost | sheng的学习笔记-AI-xgboost-CSDN博客 | 集成学习，决策树（Decision Tree） |
| 聚类 | sheng的学习笔记-聚类(Clustering)-CSDN博客 | |
| k均值算法 | sheng的学习笔记-K均值算法 | 聚类 |
| 学习向量量化算法 | sheng的学习笔记-AI-学习向量量化（Learning Vector Quantization，简称LVQ） | 聚类 |
| 高斯混合模型（GMM) | sheng的学习笔记-AI-高斯混合模型（GMM) | 聚类， 贝叶斯（Bayesian）分类， EM算法 |
| 密度聚类 | sheng的学习笔记-AI-密度聚类，DBSCAN 算法 | 聚类 |
| 层次聚类 | sheng的学习笔记-AI-层次聚类，AGNES算法 | 聚类 |
| k近邻学习（knn） | sheng的学习笔记-AI-k近邻学习（k-Nearest Neighbor 简称kNN) | |
| 半监督学习 | sheng的学习笔记-AI-半监督学习-CSDN博客 | |
| 生成式方法 | sheng的学习笔记-AI-生成式方法 | 半监督学习， 贝叶斯（Bayesian）分类， EM算法， 高斯混合模型（GMM) |
| 半监督svm | sheng的学习笔记-AI-半监督SVM（Semi-Supervised Support Vector Machine,简称S3VM），TSVM算法 | 半监督学习， 支持向量机（SVM） |
| 图半监督学习 | sheng的学习笔记-AI-图半监督学习，标签传播算法（label propagation） | 半监督学习 |
| 基于分歧的方法 | sheng的学习笔记-AI-基于分歧的方法，协同训练算法 | 半监督学习 |
| 半监督聚类 | sheng的学习笔记-AI-半监督聚类，约束 k 均值算法，约束种子 k 均值算法 | 半监督学习, k均值算法, 聚类 |
| 概率图，隐马尔可夫，马尔可夫随机场，条件随机场 | sheng的学习笔记-AI-概率图，隐马尔可夫HMM，马尔可夫随机场MRF，条件随机场CRF-CSDN博客 | 贝叶斯（Bayesian）分类 |
| 话题模型（topic model），LDA模型，Unigram Model，pLSA Model | sheng的学习笔记-AI-话题模型（topic model），LDA模型，Unigram Model，pLSA Model | |
| 规则学习（rule learning） | sheng的学习笔记-AI-规则学习（rule learning） | |
| 序贯覆盖(sequential covering) 是命题学习 | sheng的学习笔记-AI-序贯覆盖(sequential covering) | 规则学习（rule learning） |
| FOIL(First-Order Inductive Learner) 是一阶规则学习 | sheng的学习笔记-AI-FOIL(First-Order Inductive Learner)-CSDN博客 | 规则学习（rule learning） 序贯覆盖(sequential covering) |
| 归纳逻辑程序设计（ILP） 是一阶规则学习 | sheng的学习笔记-AI-归纳逻辑程序设计（ILP）-CSDN博客 | 规则学习（rule learning） FOIL(First-Order Inductive Learner) |
| 强化学习（Reinforcement Learning, RL） | sheng的学习笔记-AI-强化学习（Reinforcement Learning, RL）-CSDN博客 | |
| K-摇臂赌博机（K-armed bandit），是有模型学习 | sheng的学习笔记-AI-K-摇臂赌博机（K-armed bandit） | 强化学习 |
| 蒙特卡罗强化学习 是无模型学习，原理跟K-摇臂赌博机很像，建议先看一下这个文章 | sheng的学习笔记-AI-蒙特卡罗强化学习-CSDN博客 | 强化学习 |
| 时序差分学习 无模型学习 | sheng的学习笔记-AI-时序差分学习-CSDN博客 | 强化学习 |
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
