Informacje administracyjne
| Tytuł | Splotowe sieci neuronowe |
| Czas trwania | 60 |
| Moduł | B |
| Rodzaj lekcji | Wykład |
| Skupienie | Techniczne – głębokie uczenie się |
| Temat | Głębokie uczenie się |
Słowa kluczowe
CNN, Python, głębokie uczenie się,
Cele w zakresie uczenia się
- Wiedzieć, czym jest CNN i jego główne różnice z Densely-connected NN
- Aby poznać główną różnicę między warstwami połączonymi lokalnie a warstwami konwolucyjnymi
- Aby wiedzieć, jak skonfigurować warstwę CNN
- Łączenie warstw i normalizacja partii
- Poznaj najsłynniejsze CNN: LeNet, AlexNet, ResNet, VGG16, AllConvNet
Oczekiwane przygotowanie
Wydarzenia edukacyjne, które należy ukończyć przed
Obowiązkowe dla studentów
- Teoria o sztucznych sieciach neuronowych
Opcjonalne dla studentów
- Brak
Referencje i tło dla studentów
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Głębokie uczenie się. Prasa MIT. Rozdział 9
Zalecane dla nauczycieli
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Głębokie uczenie się. Prasa MIT. Rozdział 9
Materiały do lekcji
Instrukcje dla nauczycieli
Wykład ten wprowadzi studentów do konwolucyjnych sieci neuronowych (CNN), wyjaśniając główne różnice między klasycznymi w pełni połączonymi warstwami a warstwami konwolucyjnymi. Wprowadza się i omawia zalety podziału wagi nadanego przez warstwę konwolucyjną wraz z porównaniem z warstwami połączonymi lokalnie. Wprowadzany jest operator Convolution, a rozmiar jądra, krok i wyściółka są omawiane jako główne hiperparametry warstwy konwolucyjnej. Następnie zostaną wprowadzone warstwy Pooling i Batch Normalization w ramach kilku architektur CNN. Aby lepiej i czego nauczyła się warstwa Convolutional, zostaną wprowadzone możliwe sposoby wizualizacji uczonych filtrów. Wreszcie zaprezentowane zostanie wprowadzenie do najsłynniejszych architektur CNN, takich jak NetworkInNetwork i LeNet.
- Wprowadzenie do CNNs
- Główne kwestie dotyczące w pełni połączonych warstw dla danych o wysokiej wymiarowości
- Operator konwolucyjny
- Opis warstwy konwolucyjnej pod względem neuronów
- Warstwy konwolucyjne
- Główne właściwości warstwy konwolucyjnej
- Łączność lokalna
- Podział masy ciała
- Hiperparametry w warstwie konwolucyjnej
- Rozmiar filtra
- Stride
- Wyściółka
- Główne właściwości warstwy konwolucyjnej
- Łączenie warstw
- Wizualizacja warstw
- Znane architektury
- LeNet
- Nin
Harmonogram
| Czas trwania (min) | Opis | Koncepcje | Działalność | Materiał |
|---|---|---|---|---|
| 10 | Wprowadzenie do CNNs | |||
| 15 | Warstwy konwolucyjne | |||
| 5 | Łączenie warstw | |||
| 15 | Wizualizacja warstw | |||
| 15 | Znane architektury |
Potwierdzenia
Dziękujemy Eng. Andrea Apicella za swój wkład w rozwój materiału.
Program Masters zorientowany na człowieka został współfinansowany przez instrument „Łącząc Europę” Unii Europejskiej w ramach grantu CEF-TC-2020-1 Umiejętności cyfrowe 2020-EU-IA-0068.