没有合适的资源？快使用搜索试试~ 我知道了~

文库首页人工智能深度学习AI人工智能课程麻省理工2018深度学习公开课：计算机视觉共72页.pdf

AI人工智能课程麻省理工2018深度学习公开课：计算机视觉共72页.pdf

1.该资源内容由用户上传，如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款（资源遇到问题，请及时私信上传者）

版权申诉

人工智能

课程资源

深度学习

计算机视觉

0 下载量 197 浏览量 2024-07-14 14:42:11 上传评论收藏 5.26MB PDF 举报

温馨提示

试读

72页

AI人工智能课程麻省理工2018深度学习公开课：计算机视觉共72页.pdf

资源推荐

资源详情

资源评论

Lex Fridman

lex.mit.edu

January

2018

MIT 6.S094: Deep Learning for Self-Driving Cars

https://selfdrivingcars.mit.edu

For the full updated list of references visit:

https://selfdrivingcars.mit.edu/references

Lecture 4:

Computer Vision

Lex Fridman

lex.mit.edu

January

2018

MIT 6.S094: Deep Learning for Self-Driving Cars

https://selfdrivingcars.mit.edu

Lex Fridman

lex.mit.edu

January

2018

MIT 6.S094: Deep Learning for Self-Driving Cars

https://selfdrivingcars.mit.edu

Supervised

Learning

Unsupervised

Learning

Semi-Supervised

Learning

Reinforcement

Learning

Computer Vision is Deep Learning

References: [81]

Computer Vision

Lex Fridman

lex.mit.edu

January

2018

MIT 6.S094: Deep Learning for Self-Driving Cars

https://selfdrivingcars.mit.edu

Images are Numbers

References: [89]

• Regression: The output variable takes continuous values

• Classification: The output variable takes class labels

• Underneath it may still produce continuous values such as

probability of belonging to a particular class.

Lex Fridman

lex.mit.edu

January

2018

MIT 6.S094: Deep Learning for Self-Driving Cars

https://selfdrivingcars.mit.edu

Computer Vision with Deep Learning:

Our intuition about what’s “hard” is flawed (in complicated ways)

References: [6, 7, 11, 68]

“Encoded in the large, highly evolve sensory and motor portions of the human brain is a billion years of experience about the nature of

the world and how to survive in it.… Abstract thought, though, is a new trick, perhaps less than 100 thousand years old. We have not yet

mastered it. It is not all that intrinsically difficult; it just seems so when we do it.”

- Hans Moravec, Mind Children (1988)

Visual perception: 540,000,000 years of data

Bipedal movement: 230,000,000 years of data

Abstract thought: 100,000 years of data

Prediction: Dog

+ Distortion Prediction: Ostrich

Lex Fridman

lex.mit.edu

January

2018

MIT 6.S094: Deep Learning for Self-Driving Cars

https://selfdrivingcars.mit.edu

For the full updated list of references visit:

https://selfdrivingcars.mit.edu/references

Neuron: Biological Inspiration for Computation

• Neuron: computational building

block for the brain

[18, 143]

• (Artificial) Neuron: computational

building block for the “neural network”

Differences (among others):

• Parameters: Human brains have ~10,000,000

times synapses than artificial neural networks.

• Topology: Human brains have no “layers”.

Topology is complicated.

• Async: The human brain works

asynchronously, ANNs work synchronously.

• Learning algorithm: ANNs use gradient

descent for learning. Human brains use … (we

don’t know)

• Processing speed: Single biological neurons

are slow, while standard neurons in ANNs are

fast.

• Power consumption: Biological neural

networks use very little power compared to

artificial networks

• Stages: Biological networks usually don't stop

/ start learning. ANNs have different fitting

(train) and prediction (evaluate) phases.

Similarity (among others):

• Distributed computation on a large scale.

剩余71页未读，继续阅读

评论收藏

内容反馈

1.该资源内容由用户上传，如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款（资源遇到问题，请及时私信上传者）

版权申诉

资源评论

资源反馈

评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~

passionSnail

粉丝: 456
资源: 7247

下载权益

C知道特权

VIP文章

课程特权

VIP享7折，此内容立减5.97元

开通VIP

上传资源快速赚钱

我的内容管理展开

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

前往需求广场，查看用户热搜

AI人工智能课程 麻省理工2018深度学习公开课：计算机视觉 共72页.pdf

AI人工智能课程 麻省理工2018深度学习公开课：深度强化学习PPT 共89页.pdf

AI人工智能课程 麻省理工2017深度学习公开课：卷积神经网络 共116页.pdf

AI人工智能课程 麻省理工2018深度学习公开课：自动驾驶汽车 共77页.pdf

AI人工智能课程 麻省理工2018深度学习公开课：人类感知的深度学习 共98页.pdf

AI人工智能课程 麻省理工2017深度学习公开课：自动驾驶的深度学习 共82页.pdf

麻省理工2018深度学习公开课：计算机视觉.pdf

AI人工智能课程 麻省理工2018深度学习公开课第一讲PPT 深度学习与自动驾驶 共79页.pdf

AI人工智能课程 麻省理工2017深度学习公开课：递归神经网络 共58页.pdf

AI人工智能课程 麻省理工2019深度学习公开课：自动驾驶的最新技术 共58页.pdf

麻省理工2018深度学习公开课：深度强化学习PPT.pdf

AI人工智能课程 麻省理工2017公开课：深度强化学习 共76页.pdf

麻省理工2018深度学习公开课：人类感知的深度学习.pdf

麻省理工2018深度学习公开课：自动驾驶汽车.pdf

麻省理工2017深度学习公开课：自动驾驶的深度学习.pdf

AI人工智能课程 麻省理工2017公开课：人性化的深度学习 共43页.pdf

麻省理工2019深度学习公开课：自动驾驶的最新技术.pdf

AI人工智能课程 麻省理工公开课PPT：人工智能 共63页.pdf

麻省理工2017深度学习公开课：卷积神经网络.pdf

麻省理工2017深度学习公开课：递归神经网络.pdf

麻省理工2017公开课：人性化的深度学习.pdf

麻省理工2018深度学习公开课第一讲PPT.pdf

麻省理工公开课PPT：人工智能.pdf

AI人工智能-机器视觉-深度学习等技术资料合集.zip

麻省理工2017公开课：深度强化学习.pdf

麻省理工：深度学习介绍PPT-4

深度学习公开课：计算机视觉PPT-教程与笔记习题

麻省理工：深度学习介绍PPT-2

麻省理工：深度学习介绍PPT-1

人工智能MIT（麻省理工）开放式课程资料

最新资源

AI人工智能课程麻省理工2018深度学习公开课：计算机视觉共72页.pdf

AI人工智能课程麻省理工2018深度学习公开课：深度强化学习PPT 共89页.pdf

AI人工智能课程麻省理工2017深度学习公开课：卷积神经网络共116页.pdf

AI人工智能课程麻省理工2018深度学习公开课：自动驾驶汽车共77页.pdf

AI人工智能课程麻省理工2018深度学习公开课：人类感知的深度学习共98页.pdf

AI人工智能课程麻省理工2017深度学习公开课：自动驾驶的深度学习共82页.pdf

AI人工智能课程麻省理工2018深度学习公开课第一讲PPT 深度学习与自动驾驶共79页.pdf

AI人工智能课程麻省理工2017深度学习公开课：递归神经网络共58页.pdf

AI人工智能课程麻省理工2019深度学习公开课：自动驾驶的最新技术共58页.pdf

AI人工智能课程麻省理工2017公开课：深度强化学习共76页.pdf

AI人工智能课程麻省理工2017公开课：人性化的深度学习共43页.pdf

AI人工智能课程麻省理工公开课PPT：人工智能共63页.pdf