Kursplan
DAG 1 - ARTIFICIAL NEURAL NÄTVERK
Introduktion och ANN-struktur.
- Biologiska neuroner och artificiella neuroner. Modell av en ANN. Aktiveringsfunktioner som används i ANN. Typiska klasser av nätverksarkitekturer.
Mathematical Grunder och inlärningsmekanismer.
- Återbesök vektor och matrisalgebra. State-space koncept. Koncept för optimering. Felkorrigeringsinlärning. Minnesbaserad inlärning. Hebbisk lärande. Konkurrenskraftigt lärande.
Enkelskiktsperceptroner.
- Struktur och inlärning av perceptroner. Mönsterklassificerare - introduktion och Bayes klassificerare. Perceptron som mönsterklassificerare. Perceptronkonvergens. Begränsningar för en perceptron.
Feedback ANN.
- Strukturer för flerlagers feedforward-nätverk. Algoritm för återförökning. Ryggförökning - träning och konvergens. Funktionell approximation med ryggutbredning. Praktiska och designmässiga frågor om ryggförökningsinlärning.
Radiella basfunktionsnätverk.
- Mönster separerbarhet och interpolation. Regulariseringsteori. Regularisering och RBF-nätverk. RBF nätverksdesign och utbildning. Approximationsegenskaper hos RBF.
Konkurrenskraftigt lärande och självorganiserande ANN.
- Allmänna klustringsprocedurer. Lär dig vektorkvantisering (LVQ). Konkurrenskraftiga inlärningsalgoritmer och arkitekturer. Självorganiserande funktionskartor. Egenskaper för funktionskartor.
Luddigt Neural Networks.
- Neuro-fuzzy system. Bakgrund av luddiga uppsättningar och logik. Design av luddiga stjälkar. Design av fuzzy ANNs.
Ansökningar
- Några exempel på neurala nätverkstillämpningar, deras fördelar och problem kommer att diskuteras.
DAG -2 MASKINLÄRNING
- PAC Learning Framework-garantier för finita hypotesuppsättning – konsekventa fall Garanteringar för finita hypotesuppsättning – inkonsekventa fall Generaliteter Deterministisk cv. Stokastiska scenarier Bayes felbrus Uppskattnings- och approximationsfel Modellval
Krav
God förståelse för matematik.
Good förståelse för grundläggande statistik.
Grundläggande programmeringskunskaper krävs inte men rekommenderas.
Vittnesmål (2)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.