机器人深度学习

第 1 周

以初学者的身份概要了解用于机器人应用的监督式学习。主题包括:

  • 使用反向传播训练一个简单的神经网络并确定过度拟合
  • 使用 PyTorch 构建一个用于避障系统的神经网络

下载

第 2 周

使用神经网络控制机器人的运动。其他主题包括:

  • 使用神经网络进行逆运动计算
  • 使用退出和规范化等技术改进训练
  • 利用主成分分析 (PCA) 通过降低维度来解决高维问题

下载

第 3 周

了解强化学习,让代理通过环境学习,而不是标签。主题包括:

  • 定义策略并计算其梯度
  • 使用 PyTorch 编写强化学习代理
  • 概要了解最先进的强化学习框架 Reinforcement Learning Coach

下载

第 4 周

探讨如何将时序数据纳入神经网络,包括:

  • 通过时间以及梯度消失或梯度爆炸反向传播
  • 循环神经网络 (RNN) 和 LSTM 的许多变体以及如何在 PyTorch 中实施它们

下载