Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Návrh Školení
DEN 1 - UMĚLÉ NEUROVÉ SÍTĚ
Úvod a struktura ANN.
- Biologické neurony a umělé neurony. Model ANN. Aktivační funkce používané v ANN. Typické třídy síťových architektur.
Mathematical Základy a mechanismy učení.
- Opětovná návštěva vektorové a maticové algebry. Koncepty stavového prostoru. Koncepty optimalizace. Učení na opravu chyb. Učení založené na paměti. Hebbovské učení. Soutěžní učení.
Jednovrstvé perceptrony.
- Struktura a učení perceptronů. Klasifikátor vzorů - úvod a Bayesovy klasifikátory. Perceptron jako klasifikátor vzorů. Perceptronová konvergence. Omezení perceptronů.
Dopředná vazba ANN.
- Struktury vícevrstvých dopředných sítí. Algoritmus zpětného šíření. Zpětná propagace - trénink a konvergence. Funkční aproximace se zpětným šířením. Praktické a designové problémy učení zpětné propagace.
Radiální základní funkční sítě.
- Oddělitelnost vzorů a interpolace. Regularizační teorie. Regularizace a sítě RBF. Návrh a školení sítě RBF. Aproximační vlastnosti RBF.
Konkurenční učení a sebeorganizace ANN.
- Obecné postupy shlukování. Učení vektorové kvantizace (LVQ). Algoritmy a architektury konkurenčního učení. Samoorganizující se mapy funkcí. Vlastnosti map objektů.
Fuzzy Neural Networks.
- Neuro-fuzzy systémy. Pozadí fuzzy množin a logiky. Návrh fuzzy stonků. Návrh fuzzy ANN.
Aplikace
- Bude diskutováno několik příkladů aplikací neuronových sítí, jejich výhody a problémy.
DEN -2 STROJOVÉ UČENÍ
- PAC Learning Framework Záruky pro množinu konečných hypotéz – konzistentní případ Záruky pro množinu konečných hypotéz – nekonzistentní případ Obecnosti Deterministické cv. Stochastické scénáře Bayesův chybový šum Chyby odhadu a aproximace Výběr modelu
Požadavky
Dobré porozumění matematice.
Godobré pochopení základních statistik.
Základní znalosti programování nejsou vyžadovány, ale doporučeny.
21 hodiny
Reference (2)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurz - Artificial Neural Networks, Machine Learning, Deep Thinking
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
