Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту [Грант Бейлевельд] (pdf) читать постранично, страница - 4

слои....................................................................................................................200
Множество фильтров............................................................................................................202
Пример сверточной сети......................................................................................................203
Гиперпараметры сверточных фильтров.........................................................................207
Слои субдискретизации..............................................................................................................209
LeNet-5 в Keras...............................................................................................................................211
AlexNet и VGGNet в Keras.........................................................................................................217
Остаточные сети............................................................................................................................220
Затухание градиентов: ахиллесова пята глубоких сверточных сетей.................220
Остаточные связи...................................................................................................................221
ResNet.........................................................................................................................................223
Применения компьютерного зрения......................................................................................224
Обнаружение объектов........................................................................................................225
Сегментация изображений.................................................................................................229
Перенос обучения..................................................................................................................231
Капсульные сети . ..................................................................................................................235
Итоги.................................................................................................................................................236
Глава 11. Обработка естественного языка......................................................... 238
Предварительная обработка данных на естественном языке........................................238
Лексемизация..........................................................................................................................241
Преобразование всех символов в нижний регистр....................................................244
Удаление стоп-слов и знаков препинания....................................................................244

10  

ОГЛАВЛЕНИЕ

Стемминг...................................................................................................................................245
Обработка n-грамм................................................................................................................246
Предварительная обработка полного корпуса.............................................................248
Создание векторных представлений с помощью алгоритма word2vec......................251
Теоретические основы алгоритма word2vec.................................................................251
Вычисление векторов слов.................................................................................................254
Запуск word2vec.....................................................................................................................254
Отображение векторов слов на графике........................................................................259
Площадь под кривой ROC.........................................................................................................262
Матрица ошибок....................................................................................................................264
Вычисление метрики ROC AUC......................................................................................265
Классификация естественного языка с использованием уже знакомых сетей.......268
Загрузка отзывов к фильмам из IMDb...........................................................................268
Исследование данных из IMDb........................................................................................272
Стандартизация длин отзывов..........................................................................................275
Полносвязанная сеть............................................................................................................276
Сверточные сети.....................................................................................................................283
Сети, специализирующиеся на изучении последовательных данных.......................288
Рекуррентные нейронные сети..........................................................................................288
Реализация RNN с помощью Keras..................................................................................290
Долгая краткосрочная память...........................................................................................293
Реализация LSTM с помощью Keras...............................................................................295
Двунаправленные LSTM.....................................................................................................297
Многослойные рекуррентные модели............................................................................297
Seq2seq и механизм внимания...........................................................................................299
Перенос обучения в NLP.....................................................................................................300
Непоследовательные архитектуры: функциональный API в библиотеке Keras........302
Итоги.................................................................................................................................................307
Глава 12. Генеративно-состязательные сети...................................................... 309
Базовая теория GAN....................................................................................................................309
Набор данных Quick, Draw!...............................................................................................314
Сеть дискриминатора..................................................................................................................317
Сеть генератора..............................................................................................................................320
Состязательная сеть.....................................................................................................................323
Обучение генеративно-состязательной сети.......................................................................326
Итоги.................................................................................................................................................332

Оглавление

  11

Глава 13. Глубокое обучение с подкреплением . ................................................ 334
Теоретические основы глубокого обучения с