共2节 已有4人学过
主讲老师中级错题家
更新时间2025-01-16 10:58:37
课件资料暂无
免费
第一课：RNN数学基础与从零代码实现(I)
第二课：RNN数学基础与从零代码实现(II)
本课程《RNN数学基础与从零代码实现》旨在帮助学习者掌握RNN的核心概念及其实际应用。 RNN对于时间序列数据及拥有内相关关系的数据拥有卓越的表现性质。RNN可以视为与传统网络差异巨大的创新架构，因为节点的权重及梯度传输取决于多个因素，其算法实现与常规算法迥异。课程分为二部分，首先讲解RNN神经网络的基本原理；接下来，课程将从0开始实现RNN网络；最后对RNN数学基础与从零代码实现进行介绍。本课程适合对深度学习感兴趣且希望深入理解RNN机制的学习者。
暂无讲师简介
这是一门带你真正看懂 RNN 的实战课。课程不依赖高层框架，而是用 NumPy 从零搭建循环神经网络：从时间序列、变长序列的处理动机出发，理解普通神经网络为何受限、简单补 0 为何有害；再逐步实现输入变换、隐藏状态传递、tanh 激活、输出计算和 MSE 损失。随后进入完整训练流程，手写 BPTT 反向传播，推导 output、hidden、input 权重与偏置梯度，掌握梯度下降、学习率、参数更新，并把前向、损失、反向、更新、验证串成可运行代码，同时完成标准化、滑动窗口构造样本和训练/验证/测试划分。适合已具备 Python、NumPy 和基础机器学习知识，想深入理解 RNN 内部机制、为 LSTM/Transformer 打基础的学习者。学完后，你不仅能解释 RNN 为什么适合时序数据，更能亲手写出多层、多时间步的 RNN 训练流程，真正把公式变成代码。
中级错题家
老师简介
给该课程打分：
发表
