Разделы презентаций


Искусственные нейронные сети презентация, доклад

Содержание

Все мы немного муравейники (а может и много)

Слайды и текст этой презентации

Слайд 1Краткий обзор
Искусственные нейронные сети
Новикова Светлана Владимировна
Доктор технических наук, профессор
Кафедра Прикладной

математики и информатики
+7-9033079253

Краткий обзорИскусственные нейронные сетиНовикова Светлана ВладимировнаДоктор технических наук, профессорКафедра Прикладной математики и информатики+7-9033079253

Слайд 2Все мы немного муравейники (а может и много)

Все мы немного муравейники (а может и много)

Слайд 3Нейронная сеть – это ФОРМУЛА!

Нейронная сеть – это ФОРМУЛА!

Слайд 4Биологический и искусственный нейрон
Биологический нейрон
Базовый искусственный нейрон

Биологический и искусственный нейронБиологический нейронБазовый искусственный нейрон

Слайд 5Передаточные функции
а) пороговая функция единичного скачка; б) линейный порог (с

насыщением);
в) гиперболический тангенс;

г) сигмоида
Передаточные функцииа) пороговая функция единичного скачка; б) линейный порог (с насыщением); в) гиперболический тангенс;

Слайд 6Объединение нейронов в сети
Многослойный персептрон

Объединение нейронов в сетиМногослойный персептрон

Слайд 7Итерационное обучение, или обучение с УЧИТЕЛЕМ
АО
Обучение
Ответ после обучения
Расчет ошибки
Корректировка

Итерационное обучение, или обучение с УЧИТЕЛЕМАООбучениеОтвет после обученияРасчет ошибкиКорректировка

Слайд 8Алгоритм обратного распространения ошибки
Основной принцип обучения: если сеть дает неправильный

ответ, то веса корректируют так, чтобы уменьшить ошибку.

Алгоритм обратного распространения ошибкиОсновной принцип обучения: если сеть дает неправильный ответ, то веса корректируют так, чтобы уменьшить

Слайд 9Персептрон может ВСЕ! (ну, или почти…)
Распознавание текста
Расчет загрязнения атмосферы
Прогноз финансовых рынков
Распознавание

речи

Персептрон может ВСЕ! (ну, или почти…)Распознавание текстаРасчет загрязнения атмосферыПрогноз финансовых рынковРаспознавание речи

Слайд 10Сети для специальных задач: кластеризация
Кластеризация,
или «разложи все по кучкам»
Несгруппированные

объекты

Сети для специальных задач: кластеризация Кластеризация,или «разложи все по кучкам» Несгруппированные  объекты

Слайд 11Самообучающиеся нейронные сети: сеть Кохонена
Сети для специальных задач: кластеризация
Сеть обучается

самостоятельно, настраивая собственные веса под закономерности в данных по специальной

формуле.
Самообучающиеся нейронные  сети: сеть КохоненаСети для специальных задач: кластеризация Сеть обучается самостоятельно, настраивая собственные веса под

Слайд 12Алгоритм самообучения или «победитель получает все»
Определение нейрона-победителя:
Настройка весов нейрона-победителя
и его

соседей:
Сети для специальных задач: кластеризация

Алгоритм самообучения или «победитель получает все»Определение  нейрона-победителя:Настройка весов нейрона-победителя и его соседей:Сети для специальных задач: кластеризация

Слайд 13Раскраска сетей Кохонена, или а оно мне надо?
Пример анализа деятельности банков
Принцип

раскраски – малым значениям соответствуют оттенки синего, большим – красного.
Сети

для специальных задач: кластеризация
Раскраска сетей Кохонена, или а оно мне надо?Пример анализа деятельности банковПринцип раскраски – малым значениям соответствуют оттенки

Слайд 14Рекуррентные нейронные сети Рекурсия – см. «рекурсия»
Образ-эталон для запоминания в сети

Хопфилда:
Искаженный образ, предъявляемый для распознавания:
Сети для специальных задач: распознавание образов

Рекуррентные нейронные сети Рекурсия – см. «рекурсия» Образ-эталон для запоминания в сети Хопфилда:Искаженный образ, предъявляемый для распознавания:Сети

Слайд 15Обучение сети Хопфилда, или мгновенное обучение
Обучение сети Хопфилда:
S1=(+1;-1;+1;+1;+1;+1;+1;-1;+1)
S2=(+1;+1;+1;-1;+1;-1;-1;+1;-1)
Сети для специальных задач:

распознавание образов

Обучение сети Хопфилда, или мгновенное обучениеОбучение сети Хопфилда:S1=(+1;-1;+1;+1;+1;+1;+1;-1;+1)S2=(+1;+1;+1;-1;+1;-1;-1;+1;-1)Сети для специальных задач: распознавание образов

Слайд 16Свёрточные нейронные сети, или не так страшен чёрт…
Сети для специальных задач:

распознавание образов
Исходное изображение в виде матрицы пикселей
Слой свёртки
Слой уплотнения
Многослойный

персептрон
Свёрточные нейронные сети, или не так страшен чёрт…Сети для специальных задач: распознавание образов Исходное изображение  в

Слайд 17Что и во что мы сворачиваем?
Схема свертки фрагмента изображения в

единственный нейрон сверточного слоя.
Сети для специальных задач: распознавание образов


Задание ядра свертки для примитива «кривая линия» размерности 5х5.

6600

Что и во что мы сворачиваем?Схема свертки фрагмента изображения  в единственный нейрон сверточного слоя.Сети для специальных

Слайд 18Обучение сверточной сети (а если я не знаю, что ищу?)
Представление сверточной

сети в виде персептрона.

Обучение сверточной сети (а если я не знаю, что ищу?)Представление сверточной сети в виде персептрона.

Слайд 19Примеры работы сверточной сети, или от сложного к простому
Сети для специальных

задач: распознавание образов

Примеры работы сверточной сети, или от сложного к простомуСети для специальных задач: распознавание образов

Слайд 20Для тех, кто умеет читать (и гуглить)
Круглов В.В., Борисов В.В.

Искуственные нейронные сети. Теория и практика. 2-е изд., М: Горячая

линия – Телеком, 2002. С.382.
Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. - М.: Финансы и статистика, 2002. - 344 с.
Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И.Д.Рудиского. – 2-е изд., стереотип. – М.: Горячая линия – Телеком, 2013. – 384 с.
Хайкин С. Нейронные сети: полный курс, 2-е издание. : Пер. с англ – М. : Издательский дом «Вильямс», 2006. – 1104 с.: - Парал. тит. англ.
С. Николенко, А.Кадурин, Е.Архангельская. Глубокое обучение. – СПб.: Питер, 2018.-480 с.: ил – (Серия «Библиотека программиста»).

Для тех, кто умеет читать (и гуглить) Круглов В.В., Борисов В.В. Искуственные нейронные сети. Теория и практика.

Слайд 21Для тех, кто умеет открывать ссылки на хабре и не только
Алгоритм

обучения многослойной нейронной сети методом обратного распространения ошибки. https://habrahabr.ru/post/198268/
Нейронные сети.

Самоорганизующиеся карты Кохонена. https://www.intuit.ru/studies/courses/6/6/lecture/180?page=3
Видеоурок «Самоорганизующаяся карта Кохонена» https://www.youtube.com/watch?v=KuJTnLHeVU8
Глубокое обучение для новичков: тонкая настройка нейронной сети. https://habr.com/company/wunderfund/blog/315476/
Глубокое обучение для новичков: распознаем изображения с помощью сверточных сетей. https://habr.com/company/wunderfund/blog/314872/
Сверточная нейронная сеть: обучение алгоритмом обратного распространения ошибки. https://habr.com/post/348028/



Для тех, кто умеет открывать ссылки на хабре и не толькоАлгоритм обучения многослойной нейронной сети методом обратного

Слайд 22Для тех, кто умеет программировать, или где создать свою нейросеть:
Пакеты для

моделирования:

Deductor
MatLab
Statistica

Языки программирования с нейросетевыми библиотеками:
Python
Keras
TensorFlow
C++
OpenNN
TensorFlow


Для тех, кто умеет программировать, или где создать свою нейросеть:Пакеты для моделирования:Deductor MatLab Statistica Языки программирования с

Слайд 23Продолжение следует….
Встретимся в магистратуре….

Продолжение следует….Встретимся в магистратуре….

Обратная связь

Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика