Kursplan
DAG 1 - KUNSTIGE NEVRALE NETTVERK
Introduksjon og ANN-struktur.
- Biologiske nevroner og kunstige nevroner. Modell av en ANN. Aktiveringsfunksjoner brukt i ANN-er. Typiske klasser av nettverksarkitekturer.
Mathematical Grunnlag og læringsmekanismer.
- Re-visiting vektor og matrise algebra. Stat-rom konsepter. Konsepter for optimalisering. Feilrettingslæring. Minnebasert læring. Hebbisk læring. Konkurransedyktig læring.
Enkeltlags perseptroner.
- Struktur og læring av perseptroner. Mønsterklassifiserer - introduksjon og Bayes' klassifiserere. Perceptron som mønsterklassifiserer. Perceptron konvergens. Begrensninger til en perceptron.
Tilbakemelding ANN.
- Strukturer av flerlags feedforward-nettverk. Algoritme for forplantning tilbake. Ryggutbredelse - trening og konvergens. Funksjonell tilnærming med ryggutbredelse. Praktiske og designmessige spørsmål om ryggforplantningslæring.
Radial basisfunksjonsnettverk.
- Mønster separerbarhet og interpolasjon. Regulariseringsteori. Regularisering og RBF-nettverk. RBF nettverksdesign og opplæring. Tilnærmingsegenskaper til RBF.
Konkurransedyktig læring og selvorganisering ANN.
- Generelle klyngingsprosedyrer. Lære vektorkvantisering (LVQ). Konkurransedyktige læringsalgoritmer og arkitekturer. Selvorganiserende funksjonskart. Egenskaper til funksjonskart.
Uklar Neural Networks.
- Nevro-fuzzy systemer. Bakgrunn av uklare sett og logikk. Design av uklare stengler. Design av uklare ANN-er.
applikasjoner
- Noen få eksempler på nevrale nettverksapplikasjoner, deres fordeler og problemer vil bli diskutert.
DAG -2 MASKINLÆRING
- PAC Learning Framework Guarantees for finitt hypotese set – konsistent case Guarantees for finite hypothesis set – inkonsistent case Generalities Deterministic cv. Stokastiske scenarier Bayes feilstøy Estimerings- og tilnærmingsfeil Modellvalg
Krav
God forståelse av matematikk.
Good forståelse av grunnleggende statistikk.
Grunnleggende programmeringskunnskaper er ikke nødvendig, men anbefales.
Testimonials (2)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.