Administrativne informacije
| Naslov | Izgradnja računalnih grafova, moderne arhitekture |
| Trajanje | 60 minuta |
| Modul | B |
| Vrsta lekcija | Predavanje |
| Fokus | Tehničko – dubinsko učenje |
| Tema | Računski grafikoni |
Ključne riječi
neuronske mreže, računalni grafikon, preostala veza, preskakanje veze, duboko učenje,
Ciljevi učenja
- Razumijevanje temelja računalnih grafova, preostalih veza, veza s autocestom i preskakanja veza
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Obvezno za studente
- Funkcionalni API
- He, K., Zhang, X., Ren, S., & Sun, J. (2016.). Duboko zaostalo učenje za prepoznavanje slike. U Zborniku IEEE konferencije o računalnoj viziji i prepoznavanju uzoraka (str. 770 – 778).
- Srivastava, R. K., Greff, K., & Schmidhuber, J. (2015.). Mreže autocesta. arXiv preprint arXiv:1505.00387.
Neobvezno za studente
Nijedan.
Preporuke i pozadina za studente
Nijedan.
Preporučeno nastavnicima
Nijedan.
Nastavni materijali
Upute za učitelje
U ovom predavanju jedan od glavnih ciljeva je pokazati da su duboke neuronske mreže računalni grafovi koji mogu dobro skalirati. U predavanju se uvode moderne arhitekture, uključujući rezidualne, autocestovne i preskakane veze, koje se široko primjenjuju u neuronskim mrežama.
Nacrt
- Računalni grafovi
- Izrada računalnih grafova s Kerasom
- Preostali priključci
- Priključci na autocestu
- Preskočite priključke
| Trajanje (min) | Opis |
|---|---|
| 10 | Uvod u računalne grafove neuronskih mreža |
| 15 | Uvođenje funkcionalnog API-ja Kerasa s primjerom |
| 10 | Opis preostalih veza s primjerom izvornog koda |
| 10 | Opis priključka na autocestu s primjerom izvornog koda |
| 10 | Opis preskakanja veza s primjerom izvornog koda |
| 5 | Sažetak i zaključci |
Priznanja
Balint Gyires-Tóth (Budimpeštansko sveučilište za tehnologiju i ekonomiju)
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.