- Нейронные сети
Нейронные сети
Введение в нейронные сети
- Структура и принцип работы полносвязных нейронных сетей
- Персептрон - возможности классификации образов, задача XOR
- Back propagation - алгоритм обучения по методу обратного распространения
- Ускорение обучения, начальные веса, стандартизация, подготовка выборки
- Переобучение - что это и как этого избежать, критерии останова обучения
- Функции активации, критерии качества работы НС
- Keras - установка и первое знакомство
- Keras - обучение сети распознаванию рукописных цифр
- Как нейронная сеть распознает цифры
- Оптимизаторы в Keras, формирование выборки валидации
- Dropout - метод борьбы с переобучением нейронной сети
- Batch Normalization (батч-нормализация) что это такое?
Сверточные нейронные сети
Рекуррентные нейронные сети
- Введение в рекуррентные нейронные сети
- Как рекуррентная нейронная сеть прогнозирует символы
- Делаем прогноз слов рекуррентной сетью Embedding слой
- Как работают RNN. Глубокие рекуррентные нейросети
- LSTM - долгая краткосрочная память
- Как делать сентимент-анализ рекуррентной LSTM сетью
- Рекуррентные блоки GRU. Пример их реализации в задаче сентимент-анализа
- Двунаправленные (bidirectional) рекуррентные нейронные сети