Administrative oplysninger
| Titel | Bygning beregningsmæssige grafer, moderne arkitekturer |
| Varighed | 60 minutter |
| Modul | B |
| Lektionstype | Forelæsning |
| Fokus | Teknisk — Dyb læring |
| Emne | Beregningsmæssige grafer |
Nøgleord
neurale netværk, beregningsmæssige graf, resterende forbindelse, spring forbindelse, dyb læring,
Læringsmål
- Forstå de grundlæggende elementer i Computational Graphs, resterende forbindelser, motorvejsforbindelser og springe forbindelser
Forventet forberedelse
Læringsbegivenheder, der skal fuldføres før
Obligatorisk for studerende
- Den funktionelle API
- Han, K., Zhang, X., Ren, S., & Sun, J. (2016). Dyb resterende læring til billedgenkendelse. Under behandlingen af IEEE-konferencen om computersyn og mønstergenkendelse (s. 770-778).
- Srivastava, R. K., Greff, K., & Schmidhuber, J. (2015). Motorvejsnet. arXiv preprint arXiv:1505.00387.
Valgfrit for studerende
Ingen.
Referencer og baggrund for studerende
Ingen.
Anbefalet til lærerne
Ingen.
Undervisningsmaterialer
Instruktioner til lærerne
I dette foredrag er et af de vigtigste mål at vise, at dybe neurale netværk er beregningsmæssige grafer, der kan skaleres godt. I foredraget moderne arkitekturer, herunder resterende, motorvej og spring forbindelser, der er bredt anvendt i neurale netværk introduceres.
Omrids
- Beregningsmæssige grafer
- Bygge beregningsmæssige grafer med Keras
- Tilbageværende forbindelser
- Motorvejsforbindelser
- Spring forbindelser over
| Varighed (min.) | Beskrivelse |
|---|---|
| 10 | Introduktion til beregningsmæssige grafer af neurale netværk |
| 15 | Introduktion af funktionel API af Keras med et eksempel |
| 10 | Beskrivelse af restforbindelser med eksempel kildekode |
| 10 | Beskrivelse af motorvejsforbindelser med eksempel kildekode |
| 10 | Beskrivelse af spring over forbindelser med eksempel kildekode |
| 5 | Resumé og konklusioner |
Anerkendelser
Balint Gyires-Tóth (Budapest University of Technology and Economics)
Programmet Human-Centered AI Masters blev samfinansieret af Connecting Europe-faciliteten i Den Europæiske Union under tilskud CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.