Séance de cours
Introduction aux réseaux neuraux
Description
Cette séance de cours fournit une introduction aux réseaux neuronaux, se concentrant sur les perceptrons multicouches avec des couches cachées. Il couvre la représentation des fonctions, les non-linéarités des composantes et le processus de formation par descente et régularisation stochastiques des gradients.
Enseignant
veniam non
Quis ea quis consectetur eiusmod ullamco. Commodo sit anim qui proident labore nostrud pariatur. Incididunt cupidatat laboris culpa ea commodo cupidatat ea ad amet.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Séances de cours associées (95)
Réseaux neuronaux multicouches: Deep Learning
Couvre les fondamentaux des réseaux neuronaux multicouches et de l'apprentissage profond.
Réseaux neuronaux : apprentissage multicouche
Couvre les fondamentaux des réseaux neuronaux multicouches et de l'apprentissage profond, y compris la propagation arrière et les architectures réseau comme LeNet, AlexNet et VGG-16.
Réseaux neuronaux : Perceptrons multicouches
Couvre les Perceptrons multicouches, les neurones artificiels, les fonctions d'activation, la notation matricielle, la flexibilité, la régularisation, la régression et les tâches de classification.
Les principes fondamentaux de l'apprentissage profond
Introduit un apprentissage profond, de la régression logistique aux réseaux neuraux, soulignant la nécessité de traiter des données non linéairement séparables.
Modèles génériques : auto-attention et transformateurs
Couvre les modèles générateurs en mettant l'accent sur l'auto-attention et les transformateurs, en discutant des méthodes d'échantillonnage et des moyens empiriques.