Séance de cours
Réseaux de neurones : Perceptron
Description
Cette séance de cours présente les principaux concepts derrière les réseaux neuronaux, de leur objectif d'imiter le calcul du cerveau à la structure des neurones biologiques. Il couvre le modèle Leaky-Integrator Neuron, le Perceptron, les fonctions d'activation et l'algorithme d'entraînement Perceptron. La séance de cours traite également de l'effet du bruit sur la généralisation et la mise en œuvre de classificateurs multi-classes.
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 (31)
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.
Réseaux neuronaux : formation et activation
Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.
Réseaux neuronaux : bases et applications
Explore les bases des réseaux neuraux, le problème XOR, la classification et les applications pratiques comme la prévision des données météorologiques.
Réseaux neuronaux : régression et classification
Explore les réseaux neuronaux pour les tâches de régression et de classification, couvrant la formation, la régularisation et des exemples pratiques.
Réseaux neuronaux : Algorithme du modèle Perceptron et de la rétropropagation
Couvre le modèle perceptron et l'algorithme de rétropropagation dans les réseaux neuronaux.