您现在的位置是：课程
循环神经网络(RNN)与MATLAB程序视频股票预测葡萄酒分类二进制加
2023-11-04 17:45课程 人已围观
-
【内容简介】《循环神经网络(RNN)与MATLAB程序详解视频》共7章81节视频，总学时726分钟，合12.1小时。主要内容包括：视频课程内容介绍及慎拍不拍说明与参考文献，循环神经网络(RNN)算法基本概念、理论及实例步骤，原始流行程序RNN.m详解及可加可改问题，改进自适应学习率RAdam与新优RNN程序详解，新优RNN程序可改建议及不同学习率对比与通用模板，股票预测问题用RNN求解与RNN函数关系式写法，RNN算法对意大利葡萄酒特征数据进行识别分类及图像识别分类。
2020年4月25日发布。
全部免费提供MATLAB代码程序和PPT课件。提供辅导答疑。
一、学习指导方案
1、全部视频都在网上。请首先按照视频文件序号由小到大（若前序号相同，说明视频内容密切联系，再看后面序号大小）的序号观看，保证内容由浅入深地顺序学习。
2、在看视频的同时，利用【暂停】、【倒回】操作，最好运行程序文件。
3、将存在的问题记录下来，看看视频是否讲解。对视频还是没有讲解的问题，尽快问【面对面数学】答疑。
4、视频观看结束后，看看PPT课件，复习、巩固学习效果。
5、视频清晰度：（1）建议屏幕分辨率设置为：1920x1080 或者接近的屏幕分辨率。（2）全屏播放。这样看视频更加清晰。
目 录
第一章 视频课程内容介绍及慎拍不拍说明与参考文献
1、先看全面讲解9个关键重点问题和店主预言先告必看第三版（38+4分钟）
2、RNN1_1视频讲些什么内容及能干什么说明（8分钟，网络上免费“试看”）
3、RNN1_2MATLAB程序使用说明及亮点特点介绍（6分钟，网络上免费“试看”）
4、RNN2_1慎拍不拍说明及学习要求与参考文献（11分钟，网络上免费“试看”）
第二章 循环神经网络(RNN)算法基本概念、理论及实例步骤
5、RNN4_1循环神经网络算法基本思想与应用领域（16分钟）
6、RNN5_1神经网络基本概念及记号解读 （13分钟）
7、RNN5_2层间输入与输出等式及误差反向传播（10钟）
8、RNN5_3引入循环神经网络原因及其算法特点（5分钟）
9、RNN5_4循环神经网络结构及信号流向（13分钟）
10、RNN5_5RNN两个实例介绍及假设与初始化问题（6分钟）
11、RNN5_6数值序列和文本单词识别两例分析（13分钟）
12、RNN5_7循环神经网络训练流程步骤（6分钟）
13、RNN5_8总误差函数及随机梯度下降法公式（10分钟，有程序）
14、RNN5_9delta误差项定义及W和U的梯度公式（10分钟，有程序）
15、RNN5_10BPTT算法14点步骤（7分钟，有程序）
16、RNN5_11目前程序少实例少及学习对策（6分钟，有程序，网络上免费“试看”）
17、RNN5_12思考8个问题及总结重点（16分钟，有程序）
第三章 原始流行程序RNN.m详解及可加可改问题
18、RNN6_1二进制数加法及进位问题分析（6分钟，有程序）
19、RNN6_2原始且流行程序运行及对比目的（9分钟，有程序）
20、RNN6_3二进制数产生及8位序列解读（11分钟，有程序）
21、RNN6_4网络结构参数及权值初始化与变量含义（6分钟，有程序）
22、RNN6_5迭代框架与随机产生两个序列及标签（8分钟，有程序）
23、RNN6_6输入及期望与输出误差项公式（13分钟，有程序）
24、RNN6_7整个序列总误差和循环层输出（5分钟，有程序）
25、RNN6_8反向更新及隐含层误差项公式推导（8分钟，有程序）
26、RNN6_9梯度求和及权值更新公式推导（6分钟，有程序，网络上免费“试看”）
27、RNN6_10屏幕输出显示及最终结果解读（9分钟，有程序）
28、RNN6_11思考原始程序输入输出等5点问题（6分钟，有程序）
29、RNN6_12怀疑与改进原始程序8个问题（9分钟，有程序）
30、RNN6_13改编网络程序方法及重点总结（8分钟，有程序）
31、RNN7_1学习内容及RNN6程序再演示（5分钟，有程序）
32、RNN7_2原始程序加入4点及作用分析（13分钟，有程序）
33、RNN7_3原始程序可改3处及其结果与原因（9分钟，有程序）
34、RNN7_4思考4个具体问题及总结强调（11分钟，有程序）
第四章 改进自适应学习率RAdam与新优RNN程序详解
35、RNN8_1学习目标及二进制加法进位问题分析（8分钟，有程序）
36、RNN8_2新优程序信息及其8个特点介绍（7分钟，有程序，网络上免费“试看”）
37、RNN8_3改进自适应学习率RAdam信息及其语法（10分钟，有程序）
38、RNN8_4新优程序解读前预习几个问题（9分钟，有程序）
39、RNN8_5新优程序结果及输入输出数据处理（12分钟，有程序）
40、RNN8_6网络结构定义及参数变量初始化（10分钟，有程序）
41、RNN8_7隐含层及输出层的输入输出计算（7分钟，有程序）
42、RNN8_8输出层节点误差项梯度及序列梯度证明（10分钟，有程序）
43、RNN8_9程序语句实现输出层节点误差项及梯度（6分钟，有程序）
44、RNN8_10隐含层节点误差项与梯度证明及语句实现（10分钟，有程序）
45、RNN8_11循环态权值及输出项梯度证明及语句实现（8分钟，有程序）
46、RNN8_12RAdam学习率及权值偏置值变量更新（9分钟，有程序）
47、RNN8_13网络测试语句及识别准确率计算（9分钟，有程序）
48、RNN8_14损失函数图像解读及程序分块功能（7分钟，有程序）
49、RNN8_15思考怎么用好新优程序等6个问题（8分钟，有程序）
50、RNN8_16思考误差项梯度及改进等4个问题与总结（11分钟，有程序）
第五章 新优RNN程序可改建议及不同学习率对比与通用模板
51、RNN9_1 可改数据归一化随机化及参数优化建议（11分钟，有程序，网络上免费“试看”）
52、RNN9_2可改批次大小与激活函数类型及学习率方法（5分钟，有程序）
53、RNN9_3不同学习率方法对比知识及保存对比数据（8分钟，有程序）
54、RNN9_4损失函数值文件调用及显示对比分析（11分钟，有程序）
55、RNN9_5通用模板变量设置及迭代次数影响分析（12分钟，有程序）
56、RNN9_6思考如何使用模板程序等5个问题及总结（16分钟，有程序）
第六章 股票预测问题用RNN求解与RNN函数关系式写法
57、RNN10_1学习目的及股票预测实际问题说明（10分钟，有程序）
58、RNN10_2拟合预测问题及算法流程介绍（12分钟，有程序）
59、RNN10_3程序功能结构及数据调入处理与显示（11分钟，有程序）
60、RNN10_4数据归一化与调整数据3维结构（11分钟，有程序）
61、RNN10_5RNN训练及其损失函数图像分析（5分钟，有程序）
62、RNN10_6网络预测输出与期望对比分析（8分钟，有程序，网络上免费“试看”）
63、RNN10_7误差图及误差分析二指标含义（6分钟，有程序）
64、RNN10_8实际预测明天股票开盘指数及预测误差（11分钟，有程序）
65、RNN10_9可改程序11处及其可改建议（7分钟，有程序）
66、RNN10_10网络输入输出函数表达式说明（8分钟，有程序）
67、RNN10_11程序说明网络函数关系式具体写法（8分钟，有程序）
68、RNN10_12模型扩展7个问题及论文思路（9分钟，有程序）
69、RNN10_13算法扩展及RNN预测精度高结论（6分钟，有程序）
70、RNN10_14思考如何使用程序等12个问题（11分钟，有程序）
71、RNN10_15总结拟合预测及其程序实现等问题（4分钟，有程序）
第七章 意大利葡萄酒特征数据进行识别分类及图像识别分类
72、RNN11_1学习目的及葡萄酒识别分类问题说明（13分钟，有程序）
73、RNN11_2识别分类流程及程序详解条目（9分钟，有程序）
74、RNN11_3数据用途及归一化与数据3维矩阵结构（10分钟，有程序）
75、RNN11_4网络初始化及训练损失函数图像分析（5分钟，有程序）
76、RNN11_5识别分类与准确率及二标签对比分析（13分钟，有程序）
77、RNN11_6可改程序建议及图像识别问题（8分钟，有程序）
78、RNN11_7识别分类问题的网络函数表达式写法（11分钟，有程序，网络上免费“试看”）
79、RNN11_8模型扩展6处及图像识别建议（7分钟，有程序）
80、RNN11_9算法扩展6点及思考怎么用程序等问题（10分钟，有程序）
81、RNN11_10问题特征与程序改写及算法结合等总结（11分钟，有程序）
五、下载文件
附件1_必先看_循环神经网络及程序视频学习指导.doc
附件2_循环神经网络与程序视频_PPT课件.rar
附件3_循环神经网络全部程序m_郑一.rar
