Deep Learning for Robotics 资源汇总

1 前言

在最新Nature的Machine Intelligence 中Lecun,Hinton和Bengio三位大牛的Review文章Deep Learning中,最后谈The Future Of Deep Learning中,有这么一段话:

“We expect much of the future progress in vision to come from systems that are trained end-to- end and combine ConvNets with RNNs that use reinforcement learning to decide where to look. Systems combining deep learning and rein- forcement learning are in their infancy.”

深度学习的未来将与机器人控制结合起来,机器人时代将有可能由深度学习来进行变革。我相信他们的这个判断将带动无数的科研人员投入到这方面的研究当中。这一块研究将涉及Deep Learning,Reinforcement Learning,Computer Vision,Robotics,NLP,Cloud Computing等等

为了更好地促进志同道合的朋友一起学习研究,这里将我所了解的一些资源汇总起来,不断更新,以供参考。

2 Deep Learning

2.1 大牛主页

1 Andrew Ng 网址

2 Michael I. Jordan 网址

3 Geoffrey Hinton网址

4 Yann Lecun 网址

5 Yoshua Bengio 网址

6 Eric P Xing 网址

7 周志华 网址

8 Xiaogang Wang 网址

2.2 公开课程

1 Andrew Ng Stanford CS229 网址

2 Oxford Machine Learning 课程 网址

3 CUHK Deep Learning课程 网址

4 CMU Deep Learning 课程 网址

2.3 Deep Learning框架

1 Caffe 网址

2 Theano 网址

3 Pylearn2 网址

4 CUDA-Convnet 网址

5 Torch 网址

6 deeplearning4j 网址

2.4 学习资源

2.5 其他资源

3 Computer Vision

3.1 大牛主页

1 Li FeiFei 网址

3.2 公开课程

3.3 学习资源

3.4 其他资源

4 Robotics

4.1 大牛主页

1 Pieter Abbeel 网址

2 Ashutosh Saxena 网址

3 Vijay Kumar 四轴大牛 网址

4 Siegwart, Roland 网址

4.2 公开课程

4.3 学习资源

4.4 其他资源

5 Reinforcement Learning

5.1 大牛主页

5.2 公开课程

5.3 学习资源

5.4 其他资源

时间: 2024-10-10 12:22:29

Deep Learning for Robotics 资源汇总的相关文章

[C3] Andrew Ng - Neural Networks and Deep Learning

About this Course If you want to break into cutting-edge AI, this course will help you do so. Deep learning engineers are highly sought after, and mastering deep learning will give you numerous new career opportunities. Deep learning is also a new "s

【资源】Deep learning 资源汇总......

在网上总能发现一些感兴趣的东西,从前是直接转载过来,现在发现太多了,还是汇总url吧.积累,慢慢开始...... 1. 斯坦福Richard Socher在EMNLP2014发表新作:GloVe: Global Vectors for Word Representation 粗看是融合LSA等算法的想法,利用global word co-occurrence信息提升word vector学习效果,很有意思,在word analogy task上准确率比word2vec提升了11% http://

Deep Learning(深度学习)之(四)Deep Learning学习资源

十一.参考文献和Deep Learning学习资源 先是机器学习领域大牛的微博:@余凯_西二旗民工:@老师木:@梁斌penny:@张栋_机器学习:@邓侃:@大数据皮东:@djvu9-- (1)Deep Learning http://deeplearning.net/ (2)Deep Learning Methods for Vision http://cs.nyu.edu/~fergus/tutorials/deep_learning_cvpr12/ (3)Neural Network for

机器学习(Machine Learning)&深度学习(Deep Learning)资料

机器学习(Machine Learning)&深度学习(Deep Learning)资料 機器學習.深度學習方面不錯的資料,轉載. 原作:https://github.com/ty4z2008/Qix/blob/master/dl.md 原作作者會不斷更新.本文更新至2014-12-21 <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍非常全面.从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep L

机器学习入门资源--汇总

机器学习入门资源--汇总 基本概念 机器学习 机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论.统计学.逼近论.凸分析.算法复杂度理论等多门学科.机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法.机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法.因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论.算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法. 下面从微观到宏观试着梳理一下机器学习的范畴:

Deep Learning(深度学习)学习笔记整理

申明:本文非笔者原创,原文转载自:http://www.sigvc.org/bbs/thread-2187-1-3.html 4.2.初级(浅层)特征表示 既然像素级的特征表示方法没有作用,那怎样的表示才有用呢? 1995 年前后,Bruno Olshausen和 David Field 两位学者任职 Cornell University,他们试图同时用生理学和计算机的手段,双管齐下,研究视觉问题. 他们收集了很多黑白风景照片,从这些照片中,提取出400个小碎片,每个照片碎片的尺寸均为 16x1

Deep Learning(深度学习)学习笔记整理系列之(八)

Deep Learning(深度学习)学习笔记整理系列 [email protected] http://blog.csdn.net/zouxy09 作者:Zouxy version 1.0 2013-04-08 声明: 1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的.具体引用的资料请看参考文献.具体的版本声明也参考原文献. 2)本文仅供学术交流,非商用.所以每一部分具体的参考资料并没有详细对应.如果某部分不小心侵犯了大家的利益,还望海涵,并联系博主

Deep Learning(深度学习)学习笔记整理系列 | @Get社区

body { font-family: Microsoft YaHei UI,"Microsoft YaHei", Georgia,Helvetica,Arial,sans-serif,宋体, PMingLiU,serif; font-size: 10.5pt; line-height: 1.5; } html, body { } h1 { font-size:1.5em; font-weight:bold; } h2 { font-size:1.4em; font-weight:bo

机器学习(Machine Learning)&amp;深度学习(Deep Learning)资料

机器学习(Machine Learning)&深度学习(Deep Learning)资料 <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本