① 有關於深度學習的網課推薦嗎
可以關注一下優就業有關深度學習的網課
大致課程內容如下：
1、了解AI及前沿應用成果；
2、掌握人工神經網路及卷積神經網路原理；
3、循環神經網路原理及項目實戰；
4、生成式對抗網路原理及項目實戰；
5、深度學習的分布式處理及項目實戰；
6、深度強化學習及項目實戰；
7、企業級項目實戰-車牌識別項目實戰；
8、深度學習最新前沿技術簡介。
matlab。
spss裡面也有的。
③ 有沒有人工神經網路的視頻教程
沒有，自己多找些文獻看看，可以去中國期刊網下載
④ 我見過的最腦殘也是最好懂的人工神經網路演算法教程
你要的這份文檔，原名為《用平常語言介紹神經網路》(Neural Networks in Plain English)，有人翻譯過來，做成文檔供大家學習。
人工神經網路是一種應用類似於大腦神經突觸聯接的結構進行信息處理的數學模型。在工程與學術界也常直接簡稱為神經網路或類神經網路。神經網路是一種運算模型，由大量的節點（或稱神經元）之間相互聯接構成。每個節點代表一種特定的輸出函數，稱為激勵函數（activation function）。每兩個節點間的連接都代表一個對於通過該連接信號的加權值，稱之為權重，這相當於人工神經網路的記憶。網路的輸出則依網路的連接方式，權重值和激勵函數的不同而不同。而網路自身通常都是對自然界某種演算法或者函數的逼近，也可能是對一種邏輯策略的表達。
⑤ 人工神經網路
找一個實際的預測項目，從項目入手，遇到問題就網路，相信你很快能入門。千萬不要盲目找本教材從前言開始一二三四地看，我保證你看不了幾章就放棄了。一定要帶著具體問題看教材，上網搜索相關資料，這個方法對於學習任何知識都是一個快速入門的途徑。
⑥ 能推薦幾本學習人工神經網路的經典教材嗎
《模式識別與機器學習》 [加] Simon Haykin
《神經網路與模式識別》 [加] Simon Haykin（原《神經網路原理》）
《模式分類》 Richard O. Duda/Peter E. Hart/David G. Stork
《機器學習》 (美)Tom Mitchell
這幾本是寫的最好的。如果你想要更容易一點，推薦看斯坦福的機器學習公開課。
註：前身課程需要《概率論》《高等數學》，先復習為好。最好再讀一讀測度和高概。
⑦ 人工神經網路怎麼比較優劣
如果你的輸入樣本足夠大，即使初始權值隨機取（0,1），最終擬合誤差差別都不會很大。如果沒有足夠多輸入樣本，那就比較不同隱層節點輸出結果的RMSE和PEARSON系數，取系數最大、誤差最小時的節點數當做隱層節點數。說白了就是一個字「試」。