コース概要

1 日目 - 人工ニューラル ネットワーク

概要と ANN の構造。

    Bio論理ニューロンと人工ニューロン。 ANNのモデル。 ANN で使用されるアクティベーション関数。ネットワーク アーキテクチャの典型的なクラス。

Mathematical 基礎と学習メカニズム。

    ベクトル代数と行列代数を再訪します。状態空間の概念。最適化の概念。誤り訂正学習。記憶ベースの学習。ヘビアン学習。競争的な学習。

単層パーセプトロン。

    パーセプトロンの構造と学習。パターン分類器 - 概要とベイズの分類器。パターン分類器としてのパーセプトロン。パーセプトロンの収束。パーセプトロンの限界。

フィードフォワードANN。

    多層フィードフォワード ネットワークの構造。逆伝播アルゴリズム。バックプロパゲーション - トレーニングと収束。バックプロパゲーションによる関数近似。逆伝播学習の実践と設計の問題。

放射基底関数ネットワーク。

    パターンの分離性と補間。正則化理論。正則化とRBFネットワーク。 RBF ネットワークの設計とトレーニング。 RBF の近似特性。

競争学習と自己組織化ANN。

    一般的なクラスタリング手順。学習ベクトル量子化 (LVQ)。競争力のある学習アルゴリズムとアーキテクチャ。自己組織化機能マップ。特徴マップのプロパティ。

ファジーNeural Networks。

    ニューロファジーシステム。ファジィ集合とロジックの背景。ファジーステムのデザイン。ファジー ANN の設計。

アプリケーション

    ニューラル ネットワーク アプリケーションのいくつかの例と、その利点と問題点について説明します。

2 日目 機械学習

    PAC 学習フレームワーク 有限仮説セットの保証 – 一貫性のあるケース 有限仮説セットの保証 – 一貫性のないケース 一般性 決定論的 cv.確率的シナリオ ベイズ誤差ノイズ 推定誤差と近似誤差 モデルの選択
Radmeacher の複雑性と VC – 次元バイアスと分散のトレードオフ
  • 正則化
  • オーバーフィッティング
  • 検証
  • サポートベクターマシン
  • クリギング (ガウス過程回帰)
  • PCA とカーネル PCA
  • 自己組織マップ (SOM)
  • カーネル誘導ベクトル空間マーサー カーネルとカーネル誘導類似性メトリクス
  • Reinforcement Learning
  • 3日目 - ディープラーニング
  • 1日目と2日目で取り上げたトピックに関連して教えられます。
  • ロジスティック回帰およびソフトマックス回帰 スパース オートエンコーダ ベクトル化、PCA、ホワイトニング 独学学習 ディープ ネットワーク リニア デコーダ 畳み込みとプーリング スパース コーディング 独立成分分析 正準相関分析 デモとアプリケーション
  • 要求

    数学をよく理解している。

    Go基本的な統計学を理解している。

    基本的なプログラミングスキルは必須ではないが、推奨される。

      21 時間
     

    参加者の人数


    開始

    完了


    Dates are subject to availability and take place between 10:00 and 17:00.
    Open Training Courses require 5+ participants.

    お客様の声 (2)

    関連コース

    関連カテゴリー