Informazioni amministrative
| Titolo | Reti neurali convoluzionali |
| Durata | 60 |
| Modulo | B |
| Tipo di lezione | Lezione |
| Focus | Tecnico — Apprendimento profondo |
| Argomento | Apprendimento profondo |
Parole chiave
CNN, Pitone, Apprendimento profondo,
Obiettivi di apprendimento
- Conoscere cos'è una CNN e le sue principali differenze con NN densamente connesso
- Conoscere la differenza principale tra livelli localmente collegati a quelli convoluzionali
- Per sapere come configurare un livello CNN
- Pooling e livelli di normalizzazione in batch
- Per conoscere le CNN più famose: Indirizzo: LeNet, AlexNet, ResNet, VGG16, AllConvNet
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
- Teoria sulle reti neurali artificiali
Facoltativo per gli studenti
- Nessuno
Referenze e background per gli studenti
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Apprendimento profondo. Stampa del MIT. — Capitolo 9
Consigliato per gli insegnanti
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Apprendimento profondo. Stampa del MIT. — Capitolo 9
Materiale didattico
Istruzioni per gli insegnanti
Questa lezione introdurrà gli studenti alle reti neurali convoluzionali (CNN), spiegando le principali differenze tra i livelli classici Fully-Connected e quelli convoluzionali. Vengono introdotti e discussi i vantaggi della ripartizione del peso data dal Livello Convoluzionale, insieme ad un confronto con i livelli localmente connected. Viene introdotto l'operatore Convolution e le dimensioni del kernel, il passo e l'imbottitura sono discussi come i principali iperparametri di un livello Convoluzionale. Quindi, Pooling e Batch Normalization livelli saranno introdotti come parte di diverse architetture CNN. Per capire meglio ciò che un livello Convoluzionale ha imparato, verranno introdotti possibili modi per visualizzare i filtri appresi. Infine, verrà presentata un'introduzione alle architetture più famose della CNN come NetworkInNetwork e LeNet.
- Introduzione alla CNN
- Principali questioni relative agli strati completamente connessi per i dati ad alta dimensione
- Operatore convoluzionale
- Descrizione di uno strato convoluzionale in termini di neuroni
- Strati convoluzionali
- Proprietà principali di uno strato convoluzionale
- Connettività locale
- Ripartizione del peso
- Iperparametri a strati convoluzionali
- Dimensione del filtro
- Stride
- Imbottitura
- Proprietà principali di uno strato convoluzionale
- Strati di pooling
- Visualizzazione dei livelli
- Architetture ben note
- LeNet
- Nin
Calendario
| Durata (min) | Descrizione | Concetti | Attività | Materiale |
|---|---|---|---|---|
| 10 | Introduzione alla CNN | |||
| 15 | Strati convoluzionali | |||
| 5 | Strati di pooling | |||
| 15 | Visualizzazione dei livelli | |||
| 15 | Architetture ben note |
Riconoscimenti
Ringraziamo l'Ing. Andrea Apicella per il suo contributo nello sviluppo del materiale.
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.