Kursplan

Introduktion till Neural Networks

  1. Vad är Neural Networks
  2. Vad är nuvarande status för tillämpning av neurala nätverk
  3. Neural Networks vs regressionsmodeller
  4. Övervakad och oövervakad inlärning

Översikt över tillgängliga paket

  1. nnet, neuralnet och andra
  2. Skillnader mellan paketen och deras begränsningar
  3. Visualisering av neurala nätverk

Tillämpning av Neural Networks

  • Konceptet av neuroner och neurala nätverk
  • En förenklad modell av hjärnan
  • Möjligheter för neuroner
  • XOR-problemet och värdefördelningens natur
  • Sigmoidens polymorfa natur
  • Andra aktiveringsfunktioner
  • Konstruktion av neurala nätverk
  • Konceptet av anslutna neuroner
  • Neurala nätverk som noder
  • Byggande av ett nätverk
  • Neuroner
  • Lager
  • Skalor
  • Indata och utdata
  • Området 0 till 1
  • Normalisering
  • Inlärning av Neural Networks
  • Bakåtpropagering
  • Steg för propagering
  • Algoritmer för nätverksträning
  • Tillämpningsområde
  • Skattning
  • Problemen med möjligheten till approximering av
  • Exempel
  • OCR och bildmönstergenkänning
  • Andra tillämpningar
  • Implementering av en modell med neuralt nätverk för att förutsäga börskurser för noterade företag

Krav

Programming på något programmeringsspråk som rekommenderas.

 14 timmar

Antal deltagare


Price per participant

Vittnesmål (3)

Upcoming Courses

Relaterade Kategorier