Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту [Грант Бейлевельд] (pdf) читать постранично, страница - 4
Книга в формате pdf! Изображения и текст могут не отображаться!
[Настройки текста] [Cбросить фильтры]
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
Последние комментарии
59 минут 28 секунд назад
15 часов 47 минут назад
19 часов 35 минут назад
19 часов 53 минут назад
19 часов 59 минут назад
20 часов 14 минут назад