Нейронные сети на Python. Уроки Структура и принцип работы по | 📚Системный Администратор (RTFM)
Нейронные сети на Python. Уроки
Структура и принцип работы полносвязных нейронных сетей | #1
Персептрон - возможности классификации образов, задача XOR | #2
Back propagation - алгоритм обучения по методу обратного распространения | #3
Ускорение обучения, начальные веса, стандартизация, подготовка выборки | #4 нейросети на Pytho
Переобучение - что это и как этого избежать, критерии останова обучения | #5
Функции активации, критерии качества работы НС | #6
Keras - установка и первое знакомство | #7
Keras - обучение сети распознаванию рукописных цифр | #8
Как нейронная сеть распознает цифры | #9
Оптимизаторы в Keras, формирование выборки валидации | #10
Dropout - метод борьбы с переобучением нейронной сети | #11
Batch Normalization (батч-нормализация) что это такое? | #12
Как работают сверточные нейронные сети | #13
Делаем сверточную нейронную сеть в Keras | #14
Примеры архитектур сверточных сетей VGG-16 и VGG-19 | #15
Теория стилизации изображений (Neural Style Transfer) | #16
Делаем перенос стилей изображений с помощью Keras и Tensorflow | #17
Как нейронная сеть раскрашивает изображения | #18
Введение в рекуррентные нейронные сети | #19
Как рекуррентная нейронная сеть прогнозирует символы | #20
Делаем прогноз слов рекуррентной сетью. Embedding слой | #21
Как работают RNN. Глубокие рекуррентные нейросети | #22
LSTM - долгая краткосрочная память | #23
Как делать сентимент-анализ рекуррентной LSTM сетью | #24
Рекуррентные блоки GRU. Пример их реализации в задаче сентимент-анализа | #25
Двунаправленные (bidirectional) рекуррентные нейронные сети | #26
Автоэнкодеры. Что это и как работают | #27
Вариационные автоэнкодеры (VAE). Что это такое? | #28
Делаем вариационный автоэнкодер (VAE) в Keras | #29
Расширенный вариационный автоэнкодер (CVAE) | #30
Что такое генеративно-состязательные сети (GAN) | #31
Делаем генеративно-состязательную сеть в Keras и Tensorflow | #32
https://www.youtube.com/playlist?list=PLA0M1Bcd0w8yv0XGiF1wjerjSZVSrYbjh
