Informações administrativas
| Titulo | Redes Neural Convolucionais |
| Duração | 60 |
| Módulo | B |
| Tipo de aula | Palestra |
| Foco | Técnico — Aprendizagem Aprofundada |
| Tópico | Aprendizagem profunda |
Palavras-chave
CNN,Python, Aprendizagem profunda,
Objetivos de aprendizagem
- Saber o que é uma CNN e suas principais diferenças com a NN ligada à Densely
- Conhecer a principal diferença entre as camadas ligadas localmente e as convolucionais
- Para saber como configurar uma camada CNN
- Camadas de agrupamento e normalização de lotes
- Para conhecer as mais famosas CNNs: LeNet, AlexNet, ResNet, VGG16, AllConvNet
Preparação prevista
Eventos de aprendizagem a serem concluídos antes
Obrigatório para os Estudantes
- Teoria das Redes Neurais Artificiais
Facultativo para Estudantes
- Nenhum
Referências e antecedentes para estudantes
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Aprendizagem profunda. Imprensa do MIT. — Capítulo 9
Recomendado para professores
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Aprendizagem profunda. Imprensa do MIT. — Capítulo 9
Materiais das aulas
Instruções para os professores
Esta palestra irá apresentar os alunos às Redes Neurais Convolucionais (CNNs), explicando as principais diferenças entre as camadas clássicas Fully-Connected e as Convolucionais. As vantagens da partilha de peso dada pela Camada Convolucional são introduzidas e discutidas, juntamente com uma comparação com as camadas ligadas localmente. O operador Convolution é introduzido, e o tamanho do kernel, passo e enchimento são discutidos como os principais hiperparâmetros de uma camada convolucional. Em seguida, as camadas Pooling and Batch Normalization serão introduzidas como parte de várias arquiteturas da CNN. Para melhor não suportar o que uma camada Convolucional aprendeu, possíveis maneiras de visualizar filtros aprendidos serão introduzidas. Finalmente, será apresentada uma introdução às arquiteturas mais famosas da CNN, como a NetworkInNetwork e a LeNet.
- Introdução às CNNs
- Principais questões sobre camadas totalmente interligadas para dados de alta dimensão
- Operador convolucional
- Descrição de uma camada convolucional em termos de neurónios
- Camadas convolucionais
- Principais propriedades de uma camada convolucional
- Conectividade local
- Partilha de peso
- Hiperparâmetros de camada convolucional
- Tamanho do filtro
- Stride
- Enchimento
- Principais propriedades de uma camada convolucional
- Camadas de agrupamento
- Visualização de camadas
- Arquiteturas bem conhecidas
- LeNet
- Nin
Calendário
| Duração (min) | Descrição | Conceitos | Atividade | Materiais |
|---|---|---|---|---|
| 10 | Introdução às CNNs | |||
| 15 | Camadas convolucionais | |||
| 5 | Camadas de agrupamento | |||
| 15 | Visualização de camadas | |||
| 15 | Arquiteturas bem conhecidas |
Agradecimentos
Agradecemos ao Eng. Andrea Apicella pela sua contribuição no desenvolvimento do material.
O programa de mestrado em IA centrado no ser humano foi cofinanciado pelo Mecanismo Interligar a Europa da União Europeia ao abrigo de subvenções CEF-TC-2020-1 Competências Digitais 2020-EU-IA-0068.