Concept
Fonction d'activation
Séances de cours associées (84)
États quantiques neuraux
Explore les états quantiques neuraux et leur représentation à l'aide de réseaux neuraux artificiels.
Réseaux neuronaux : logique et applications
Explore la logique de la fonction neuronale, le modèle Perceptron, les applications d'apprentissage profond et les niveaux d'abstraction dans les modèles neuronaux.
Réseaux de neurones et Deep Learning
Couvre les modèles neuronaux formels, les fonctions d'activation et les résultats d'approximation pour les réseaux neuronaux.
Deep Learning : Représentation des données et réseaux neuronaux
Couvre les techniques de représentation des données et les réseaux neuronaux en apprentissage profond.
Perceptron multicouche: Algorithme d'histoire et d'entraînement
Explore le développement historique et la formation de perceptrons multicouches, en mettant l'accent sur l'algorithme de rétropropagation et la conception de fonctionnalités.
Back-propagation: Comprendre les réseaux neuronaux
Explique la rétropropagation dans les réseaux neuronaux, la mise à jour des poids en fonction des erreurs et l'évaluation des réseaux par le biais de pertes d'entraînement et de tests.
Modèles de génération profonde
Couvre les modèles générateurs profonds, y compris LDA, auto-encodeurs, GANs et DCGANs.
Les principes fondamentaux de l'apprentissage profond
Introduit les bases de l'apprentissage profond, couvrant les réseaux neuronaux, les CNN, les couches spéciales, l'initialisation du poids, le prétraitement des données et la régularisation.
Règles à trois facteurs: DeepRL1.5A
Explique les règles à trois facteurs dans les algorithmes de gradient de politique et leur mise en œuvre dans les systèmes biologiques et matériels.
Réseaux de neurones : Perceptron
Couvre les principaux concepts des réseaux neuronaux, y compris le modèle Perceptron et les algorithmes d'entraînement.