Séance de cours

Apprentissage profond pour les véhicules autonomes: Apprentissage

Dans cours
DEMO: nisi cillum ut qui
Id officia velit sunt ullamco nisi ea reprehenderit nisi reprehenderit et consectetur cupidatat in voluptate. Sint nostrud enim velit eiusmod ad proident officia aliqua consectetur reprehenderit amet velit. Elit occaecat occaecat et sit in fugiat quis aliquip consectetur velit tempor et qui elit.
Connectez-vous pour voir cette section
Description

Cette séance de cours couvre le processus d'apprentissage dans le contexte de l'apprentissage profond pour les véhicules autonomes, en mettant l'accent sur les modèles prédictifs et les réseaux neuronaux récurrents. Les sujets abordés comprennent le prétraitement des données, la conception d'architectures, les fonctions de perte, les fonctions d'activation, les stratégies d'optimisation et les ensembles de modèles. La séance de cours s'inscrit également dans l'ensemble de données d'ImageNet, les défis de reconnaissance visuelle à grande échelle et le transfert de l'apprentissage avec les réseaux neuronaux convolutionnels.

Enseignant
cillum laboris magna ipsum
Amet exercitation sit sint laborum. Tempor tempor reprehenderit officia cillum ad qui pariatur ex officia irure fugiat anim nulla deserunt. Voluptate sunt quis ullamco aliquip ex aliqua. Cupidatat ea cillum esse ullamco. Ex minim duis deserunt Lorem esse voluptate.
Connectez-vous pour voir cette section
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.
Séances de cours associées (385)
Réseaux neuronaux : formation et activation
Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.
Modèles Vision-Langue-Action : Formation et applications
Se penche sur la formation et les applications des modèles Vision-Language-Action, en mettant l'accent sur le rôle des grands modèles linguistiques dans le contrôle robotique et le transfert des connaissances web. Les résultats des expériences et les orientations futures de la recherche sont mis en évidence.
Réseaux neuronaux : Réseaux neuronaux profonds
Explore les bases des réseaux neuraux, en mettant l'accent sur les réseaux neuraux profonds, leur architecture et leur formation.
Méthodes de noyau: Réseaux neuronaux
Couvre les fondamentaux des réseaux neuronaux, en mettant l'accent sur les noyaux RBF et SVM.
Réseaux neuraux graphiques: monde interconnecté
Explore l'apprentissage à partir de données interconnectées avec des graphiques, couvrant les objectifs de recherche modernes de ML, les méthodes pionnières, les applications interdisciplinaires, et la démocratisation du graphique ML.
Afficher plus