Administratívne informácie
| Názov | Stavebné výpočtové grafy, moderné architektúry |
| Trvanie | 60 minút |
| Modul | B |
| Druh lekcie | Prednáška |
| Zameranie | Technické – hĺbkové učenie |
| Téma | Výpočtové grafy |
Kľúčové slová
neurónové siete, výpočtový graf, zvyškové spojenie, preskočiť pripojenie, hlboké učenie,
Vzdelávacie ciele
- Pochopenie základov výpočtovej grafiky, zvyškové spojenia, diaľničné spojenia a preskočiť spojenia
Očakávaná príprava
Naučte sa udalosti, ktoré treba dokončiť predtým
Povinné pre študentov
- Funkčné API
- On, K., Zhang, X., Ren, S., & Sun, J. (2016). Hlboké reziduálne učenie pre rozpoznávanie obrazu. V konaní konferencie IEEE o počítačovom videní a rozpoznávaní vzorov (s. 770 – 778).
- Srivastava, R. K., Greff, K., & Schmidhuber, J. (2015). Diaľničné siete. arXiv preprint arXiv:1505.00387.
Voliteľné pre študentov
Žiadne.
Referencie a zázemie pre študentov
Žiadne.
Odporúčané pre učiteľov
Žiadne.
Učebné materiály
Pokyny pre učiteľov
V tejto prednáške je jedným z hlavných cieľov ukázať, že hlboké neurónové siete sú výpočtové grafy, ktoré sa dajú dobre zmenšiť. V prednáške sa zavádzajú moderné architektúry, vrátane reziduálnych, diaľničných a preskočovacích spojení, ktoré sú široko aplikované v neurónových sieťach.
Obrysy
- Výpočtové grafy
- Stavebné výpočtové grafy s Kerasom
- Zvyškové pripojenia
- Diaľničné spojenia
- Preskočiť spojenia
| Trvanie (Min) | Popis |
|---|---|
| 10 | Úvod do výpočtových grafov neurónových sietí |
| 15 | Zavedenie funkčného API Keras s príkladom |
| 10 | Opis zvyškových spojení s príkladným zdrojovým kódom |
| 10 | Opis diaľničných spojení s príkladným zdrojovým kódom |
| 10 | Opis preskočenia spojení s príkladným zdrojovým kódom |
| 5 | Zhrnutie a závery |
Uznania
Balint Gyires-Tóth (Budapestská technická a ekonomická univerzita)
Program Masters umelej inteligencie zameraný na človeka bol spolufinancovaný z Nástroja Európskej únie na prepájanie Európy v rámci grantu CEF-TC-2020 – 1 Digitálne zručnosti 2020-EU-IA-0068.