Διοικητικές πληροφορίες
| Τίτλος | Νευρωνικά δίκτυα |
| Διάρκεια | 60 |
| Ενότητα | Α |
| Είδος μαθήματος | Διάλεξη |
| Εστίαση | Πρακτική — Μοντελοποίηση τεχνητής νοημοσύνης |
| Θέμα | Μοντελοποίηση τεχνητής νοημοσύνης |
Λέξεις-κλειδιά
Νευρωνικό δίκτυο, πίσω διάδοση, βελτιστοποίηση,
Μαθησιακοί στόχοι
- Οι μαθητές κατανοούν την αρχιτεκτονική MLP
- Οι μαθητές μπορούν να κατασκευάσουν νευρωνικά δίκτυα με πλήρως συνδεδεμένα στρώματα και διάφορες λειτουργίες ενεργοποίησης
- Οι μαθητές κατανοούν τη βασική ιδέα της οπισθοπολλαπλασιασμού και των μεθόδων που βασίζονται στην κλίση
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
- Ανασκόπηση της γραμμικής άλγεβρας και του διανυσματικού λογισμού.
Προαιρετικό για Φοιτητές
Καμία.
Αναφορές και υπόβαθρο για τους μαθητές
Συνιστάται για εκπαιδευτικούς
- Εξοικειωθείτε με τα υλικά επίδειξης.
Υλικό μαθήματος
Οδηγίες για τους εκπαιδευτικούς
Καλύψτε τα θέματα στο περίγραμμα του μαθήματος και παρουσιάστε τις έννοιες χρησιμοποιώντας τα διαδραστικά σημειωματάρια (σχήμα της συνάρτησης απώλειας των διαφορετικών τακτοποιητών, αλγορίθμοι βελτιστοποίησης βάσει διαβάθμισης). Δώστε μια σύντομη επισκόπηση του κώδικα.
Σχεδιάγραμμα/χρονοδιάγραμμα
| Διάρκεια (ελάχ.) | Περιγραφή | Έννοιες |
|---|---|---|
| 5 | Από την υλικοτεχνική παλινδρόμηση στο Perceptron | εισαγωγή, βάρη, προκατάληψη, σιγμοειδής λειτουργία |
| 10 | Πολλαπλοί πολλαπλασιασμοί Perceptron και μήτρας | στρώμα εισαγωγής, κρυμμένο στρώμα, στρώμα παραγωγής |
| 20 | Κατάρτιση του συστήματος οπισθοπολλαπλασιασμού | βαθμιδωτή κάθοδος, ποσοστό μάθησης, οπισθοπολλαπλασιασμός |
| 10 | Λειτουργίες ενεργοποίησης | ReLU, σιγμοειδές, tanh, softmax κ.λπ. |
| 10 | Λειτουργίες απώλειας για ταξινόμηση και παλινδρόμηση | ΠΜΜΕ, δυαδική και κατηγορηματική διασταυρούμενη εντροπία |
| 5 | Επίδειξη |
Αναγνωρίσεις
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.