Neuronky
Pokud toto čtete, zakopli jste o moje neúplné poznámky k předmětu PV021 Neural Networks. Snad vám budou k užitku.
Jak to tak často bývá i u neuronek řazení přednášeného učiva sice vyhovuje přednášce, ale je naprd k učení na zkoušku, kde člověk potřebuje spíše stručný, dobře strukturovaný a snáze prohledávatelný přehled. Právě tímhle přehledem se moje poznámky snaží být. Do jaké míry tuto úlohu splňují, je ponecháno jako cvičení čtenáři.
- Kontext
-
Co je to machine learning, jakou má historii, a jak se váže k biologii.
- Formální definice
-
Co je po formální stránce neuron, jak tvoří sítě, jakou notaci tenhle kurz používá.
- Multilayer Perceptron
-
Nejzákladnější architektura NN a její notace. Způsob výpočtu v ní a její výpočetní síla.
- Trénink
-
Jak se neuronka učí, co je to hergot backpropagace, co znamenají všechny ty derivace, a jak to aplikovat na MLP.
- Optimalizace
-
Jak odstranit (nebo alespoň zmínit) některé problémy s tréninkem neuronek.
- Vizualizace
-
Jak nahlédnout pod pokličku.
- Convolutional Neural Networks
-
Jak fungují konvoluční sítě.
- Recurrent Neural Networks
-
Jak fungují rekurentní NN. LSTM.
- Generative Adversarial Networks
-
Jak fungují autoencoders a GAN.
|
Note
|
Obrázky jsou sprostě ukradeny ze slidů doc. Tomáše Brázdila. |