Současné směry v neuronových sítích

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra matematiky

Anotace:

Požadavky:

Osnova přednášek:

1.Základy strojového učení a různé typy chyb.

2.Dopředné neuronové sítě (skip connections, residual networks, dropout).

3.Optimalizace neuronových sítí a kontrola jejich kapacity.

4.Konvoluční neuronové sítě.

5.Modelování sekvencí (rekurentní sítě, LSTM a wavenets).

6.Modelování domén se stromovou strukturou (multi-instanční učení).

7.Generativní a pravděpodobnostní modely.

8.Učení bez učitele (shlukování a modelování definiční množiny pravděpodobnostní distribuce).

Osnova cvičení:

Cíle studia:

Studijní materiály:

•Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning, 2016

•vybráné články k probíranému tématu

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: