[ez az oldal a wikiben][index][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Előadás: Épületszámítási gráfok, modern architektúrák

Adminisztratív információk

Cím Épületszámítási gráfok, modern architektúrák
Időtartam 60 perc
Modul B
Lecke típusa Előadás
Fókusz Technikai – Mély tanulás
Téma Számítási grafikonok

Kulcsszó

neurális hálózatok, számítási grafikon, reziduális kapcsolat, kihagyás, mély tanulás,

Tanulási célok

Várható előkészítés

Az előtt befejezendő tanulási események

Kötelező a diákok számára

  • Funkcionális API
  • Ő, K., Zhang, X., Ren, S., & Sun, J. (2016). Mély maradék tanulás a képfelismeréshez. A számítógépes látásról és mintafelismerésről szóló IEEE konferencia eljárásai (770–778. o.).
  • Srivastava, R. K., Greff, K., & Schmidhuber, J. (2015). Autópálya hálózatok. arXiv preprint arXiv:1505.00387.

Választható diákok számára

Egy sem.

Referenciák és háttér a diákok számára

Egy sem.

Ajánlott tanároknak

Egy sem.

Leckeanyagok

Utasítások tanároknak

Ebben az előadásban az egyik fő cél annak bizonyítása, hogy a mély neurális hálózatok számítási gráfok, amelyek jól skálázhatók. Az előadásban a neurális hálózatokban széles körben alkalmazott modern architektúrák kerülnek bevezetésre, beleértve a maradék-, autópálya- és átugrási kapcsolatokat is.

Vázlat

Időbeosztás
Időtartam (min) Leírás
10 Bevezetés a neurális hálózatok számítási gráfjaiba
15 A Keras funkcionális API-jának bevezetése egy példával
10 A maradványkapcsolatok leírása példakóddal
10 Az autópálya-összeköttetések leírása példakóddal
10 A példakóddal való átugrási kapcsolatok leírása
5 Összefoglaló és következtetések

Visszaigazolások

Gyires-Tóth Balint (Budapesti Műszaki és Gazdaságtudományi Egyetem)

A Human-Centered AI Masters programot az Európai Unió Európai Hálózatfinanszírozási Eszköze (CEF-TC-2020–1 Digitális készségek 2020 EU-IA-0068) társfinanszírozta.