Administrativ information
| Titel | Konvolutionella neurala nätverk |
| Varaktighet | 60 |
| Modul | B |
| Typ av lektion | Föreläsning |
| Fokus | Tekniskt – Djupt lärande |
| Ämne | Djupinlärning |
Nyckelord
CNN,Python,djupt lärande,
Lärandemål
- Att veta vad som är en CNN och dess största skillnader med Densely-connected NN
- Att känna till den största skillnaden mellan lokalt anslutna lager till konvolutionella
- Så här konfigurerar du ett CNN-lager
- Poolning och satsnormaliseringslager
- För att lära känna de mest kända CNN:erna: LeNet, AlexNet, ResNet, VGG16, AllConvNet
Förväntad förberedelse
Lärande händelser som ska slutföras innan
Obligatoriskt för studenter
- Teori om artificiella neurala nätverk
Valfritt för studenter
- Ingen
Referenser och bakgrund för studenter
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Djupinlärning. Tryck på MIT. Kapitel 9
Rekommenderas för lärare
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Djupinlärning. Tryck på MIT. Kapitel 9
Lektionsmaterial
Instruktioner för lärare
Denna föreläsning kommer att introducera eleverna till Convolutional Neural Networks (CNN), som förklarar de viktigaste skillnaderna mellan klassiska fullt anslutna lager och Convolutional. Fördelarna med den viktfördelning som ges av Convolutional Layer introduceras och diskuteras, tillsammans med en jämförelse med de lokalt anslutna skikten. Convolution-operatören introduceras, och kärnstorlek, steg och stoppning diskuteras som de viktigaste hyperparametrarna i ett konvolutionellt lager. Sedan kommer Pooling och Batch Normalization lager att introduceras som en del av flera CNN arkitekturer. För att bättre förstå vad ett konvolutionellt lager har lärt sig, kommer möjliga sätt att visualisera inlärda filter att införas. Slutligen kommer en introduktion till de mest kända CNN-arkitekturerna som NetworkInNetwork och LeNet att presenteras.
- Introduktion till CNN
- Huvudfrågor om helt anslutna lager för högdimensionella data
- Konvolutionell operatör
- Beskrivning av ett konvolutionellt skikt i termer av neuroner
- Konvolutionella skikt
- Huvudegenskaper hos ett konvolutionellt lager
- Lokal konnektivitet
- Viktfördelning
- Hyperparametrar för konvolutionella lager
- Filterstorlek
- Steg
- Stoppning
- Huvudegenskaper hos ett konvolutionellt lager
- Poolningslager
- Visualisering av lager
- Välkända arkitekturer
- LeNet
- Nin
Tidsplan
| Längd (min) | Beskrivning | Begrepp | Verksamhet | Material |
|---|---|---|---|---|
| 10 | Introduktion till CNN | |||
| 15 | Konvolutionella skikt | |||
| 5 | Poolningslager | |||
| 15 | Visualisering av lager | |||
| 15 | Välkända arkitekturer |
Erkännanden
Vi tackar Eng. Andrea Apicella för sitt bidrag till att utveckla materialet.
Masterprogrammet Human-Centered AI har samfinansierats av Fonden för ett sammanlänkat Europa i Europeiska unionen inom ramen för Grant CEF-TC-2020–1 Digital Skills 2020 EU-IA-0068.