[тази страница в уики][индекс][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Лекция: Конволюционни невронни мрежи

Административна информация

Дял Конволюционни невронни мрежи
Продължителност 60
Модул Б
Вид на урока Лекция
Фокус Технически — задълбочено обучение
Тема Задълбочено учене

Ключови думи

CNN, Python, Deep Learning,

Учебни цели

Очаквана подготовка

Обучение на събития, които трябва да бъдат завършени преди

Задължително за студентите

  • Теория за изкуствените невронни мрежи

Незадължително за студенти

  • Няма

Референции и фон за студенти

  • Goodfellow, I., Bengio, Y., & Courville, A. (2016). Дълбоко учене. Пресата от Масачузетския технологичен институт. — Глава 9

Препоръчва се за учители

  • Goodfellow, I., Bengio, Y., & Courville, A. (2016). Дълбоко учене. Пресата от Масачузетския технологичен институт. — Глава 9

Материали за уроци

Инструкции за учители

Тази лекция ще запознае студентите с Convolutional Neural Networks (CNNs), обяснявайки основните разлики между класическите напълно свързани слоеве и конволюционните. Представени и обсъдени са предимствата на разпределението на теглото, дадено от Convolutional Layer, заедно със сравнението с локално свързаните слоеве. Въвежда се конволюционният оператор, а размерът на ядрото, стъпката и подложката се обсъждат като основни хиперпараметри на конволюционен слой. След това ще бъдат въведени слоеве за Pooling и Batch Normalization като част от няколко CNN архитектури. За да се избегне по-добре това, което е научил един Convolutional слой, ще бъдат въведени възможни начини за визуализиране на научените филтри. И накрая, ще бъде представено въведение в най-известните CNN архитектури като NetworkInNetwork и LeNet.

График

Продължителност (мин) Описание Концепции Дейност Материал
10 Въведение в CNN
15 Конволюционни слоеве
5 Групиране на слоеве
15 Визуализиране на слоеве
15 Известни архитектури

Потвърждения

Благодарим на инж. Андреа Апичела за приноса му в разработването на материала.

Магистърската програма по ИИ, насочена към човека, беше съфинансирана от Механизма за свързване на Европа на Европейския съюз под формата на безвъзмездни средства № CEF-TC-2020—1 Digital Skills 2020-EU-IA-0068.