Введение в нейронные сети, Модели, методы и программные средства, Алексейчук А.С., 2023

Введение в нейронные сети, Модели, методы и программные средства, Алексейчук А.С., 2023.

   Пособие содержит основные сведения о математической модели нейронных сетей, в том числе о ее применении к анализу изображений. Приводятся сведения о полносвязных и свёрточных нейронных сетях, о принципах их работы и методах их обучения. Рассмотрены приемы проектирования эффективных архитектур свёрточных сетей, а также приведена модель анализа изображений на основе векторных представлений. Материал снабжен примерами программного кода, позволяющими читателю самостоятельно освоить нейросетевое моделирование с использованием языка программирования Python.
Пособие предназначено для студентов магистратуры, обучающихся по направлению 01.04.04 «Прикладная математика», изучающих дисциплину «Проектирование и функционирование нейронных сетей».




Общие принципы обучения нейросетей.
Как упоминалось в разделе «Основные определения», аппроксимируемая нейросетью функциональная зависимость обычно не задана явно, а определена на некоторой конечной обучающей выборке. Поэтому настройка параметров модели (весовых коэффициентов и постоянных смещений нейронов) должна производиться путем перебора имеющихся примеров обучающей выборки и постепенной корректировки параметров модели, чтобы выходные значения нейросети как можно точнее соответствовали требуемому отображению. Эта процедура называется обучением нейронной сети.

Процесс обучения нейросети подобен биологическому принципу обучения мозга новому навыку. Например, рассмотрим, как происходит изучение алфавита ребенком. Поначалу он может неверно интерпретировать буквы, что требует корректировки его ответов учителем. При этом у ребенка происходит запоминание, основанное на изменениях проводимости синаптических связей между нейронами в участках мозга, отвечающих за долговременную память и распознавание образов. Со временем, после множества повторений, синаптические связи становятся устойчивыми, происходит безошибочное сопоставление визуального образа и правильного ответа, и таким образом ребенок запоминает все 33 буквы алфавита.

ОГЛАВЛЕНИЕ.
1 Общие концепции нейронных сетей.
1.1 Биологические основы концепции нейронных сетей.
1.2 Основные понятия и определения.
1.3 Типы задач, решаемых нейронными сетями.
1.4 Метрики классификации.
1.5 Виды функций активации.
1.6 Недообучение и переобучение.
1.7 Обучение нейросетей.
1.7.1 Общие принципы обучения нейросетей.
1.7.2 Уравнение работы многослойного перцептрона.
1.7.3 Функция потерь.
1.7.4 Алгоритм обратного распространения ошибки.
1.7.5 Разновидности метода градиентного спуска.
1.7.6 Алгоритмы численной оптимизации.
1.7.7 Анализ результатов обучения.
1.8 Знакомство с библиотеками TensorFlow и Keras.
1.8.1 TensorFlow.
1.8.2 Установка среды разработки с поддержкой GPU.
1.8.3 Построение модели многоклассовой классификации с помощью библиотеки TensorFlow.
1.8.4 Построение модели многоклассовой классификации с помощью библиотеки Keras.
2 Свёрточные нейронные сети.
2.1 Свёртка.
2.1.1 Карты признаков.
2.1.2 Примеры сверток.
2.2 Субдискретизация.
2.3 Полносвязные слои.
2.4 Пример построения сверточной сети.
3 Приемы построения эффективных архитектур сверточных сетей.
3.1 Прореживание.
3.2 Аугментация данных.
3.3 Нормализация по мини-пакетам.
3.4 Трансферное обучение.
3.4.1 Выделение признаков.
3.4.2 Дообучение.
4 Классификация на основе векторных представлений. «Сиамские» нейронные сети.
4.1 Постановка задачи распознавания лиц.
4.2 Решение задачи распознавания лиц при помощи векторных представлений.
4.3 Построение модели вычисления векторных представлений.
4.3.1 Функция потерь contrastive loss.
4.3.2 Функция потерь triplet loss.
4.3.3 Методы генерирования триплетов обучающей выборки.
4.4 Решение задач классификации с помощью векторных представлений.
4.5 Пример построения «сиамских» сетей.
4.5.1 Подготовка исходных данных.
4.5.2 Генерирование триплетов обучающей выборки.
4.5.3 Построение базовой модели.
4.5.4 Построение генератора мини-батчей.
4.5.5 Обучение модели.
4.5.6 Финальная классификация.
4.5.7 Валидация модели.
Список литературы.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Введение в нейронные сети, Модели, методы и программные средства, Алексейчук А.С., 2023 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги


Скачать - pdf - Яндекс.Диск.




Теги: учебник по информатике :: информатика :: компьютеры :: Алексейчук :: нейросеть