Séance de cours
Réseaux neuronaux convolutionnels
Séances de cours associées (34)
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 convolutionnels : fondamentaux
Couvre les bases des réseaux neuronaux convolutionnels, y compris l'optimisation de la formation, la structure des couches et les pièges potentiels des statistiques sommaires.
Réseaux convolutifs : vue d'ensemble et architecture
Couvre la motivation et l'architecture des réseaux convolutifs, de LeNet à AlexNet.
Réseaux neuronaux convolutionnels : filtres et canaux
Explore le partage du poids, les filtres, les canaux et l'augmentation des données dans les réseaux neuronaux convolutionnels.
Réseaux neuronaux convolutionnels
Explore les réseaux neuronaux convolutionnels, en mettant l'accent sur les couches, les filtres, la mise en commun et le partage du poids.
Apprentissage supervisé non linéaire
Explore le biais inductif de différentes méthodes d'apprentissage supervisé non linéaires et les défis de l'accordage hyperparamétrique.
Méthodes de noyau: Réseaux neuronaux
Couvre les fondamentaux des réseaux neuronaux, en mettant l'accent sur les noyaux RBF et SVM.
Réseaux neuronaux : formation et activation
Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.
Réseaux neuronaux convolutionnels
Couvre les réseaux neuronaux convolutifs, les opérations de filtrage et leurs applications dans le traitement du signal et l'analyse d'images.
Réseaux neuronaux convolutionnels
Introduit des réseaux neuronaux convolutionnels (RCN) pour les véhicules autonomes, couvrant l'architecture, les applications et les techniques de régularisation.