Затронуты расширенные темы глубокого обучения: оптимизационные алгоритмы, настройка гиперпараметров, отсев и анализ ошибок, стратегии решения типичных задач во время тренировки глубоких нейронных сетей. Описаны простые активационные функции с единственным нейроном (ReLu, сигмоида и Swish), линейная и логистическая регрессии, библиотека TensorFlow, выбор стоимостной функции, а также более сложные нейросетевые архитектуры с многочисленными слоями и нейронами.
Показана отладка и оптимизация расширенных методов отсева и регуляризации, настройка проектов машинного обучения, ориентированных на глубокое обучение с использованием сложных наборов данных.
Приведены результаты анализа ошибок нейронной сети с примерами решения проблем, возникающих из-за дисперсии, смещения, переподгонки или разрозненных наборов данных.
По каждому техническому решению даны примеры решения практических задач.

Название: Прикладное глубокое обучение. Подход к пониманию глубоких нейронных сетей на основе метода кейсов
Автор: Умберто Микелуччи
Год: 2020
Жанр: программирование
Издательство: БХВ-Петербург
Язык: Русский

Формат: pdf
Качество: Отсканированные страницы + слой распознанного текста
Страниц: 370
Размер: 40 MB