Autorzy modułu: Stanisław Osowski (stanislaw.osowski@pw.edu.pl), Krzysztof Siwek (krzysztof.siwek@pw.edu.pl)

Słowa kluczowe: sztuczne sieci neuronowe, model neuronu, funkcja aktywacji, sieci wielowarstwowe perceptronowe (MLP), metoda propagacji wstecznej (backpropagation),optymalizacja, generalizacja, uczenie maszynowe, dane treningowe (uczące), dane walidujące, dane testujące

Oddajemy czytelnikom kompleksowe źródło wiedzy, które szczegółowo omawia fundamenty i zaawansowane aspekty sztucznych sieci neuronowych. Moduł pierwszy podręcznika obejmuje podstawowe pojęcia sztucznych sieci neuronowych.  Zawiera wyczerpujące informacje na temat modeli neuronów, w tym ich matematycznego opisu, funkcji aktywacji i sposobu uczenia. Moduł pierwszy obejmuje rozdziały poświęcone modelom komórek nerwowych, opisuje budowę sieci wielowarstwowych perceptronowych (MLP - MultiLayer Perceptron), zarówno ich architekturę, algorytmy uczące gradientowe i bezgradientowe. Duży nacisk położono na zdolności generalizacyjne sieci neuronowych, tłumacząc, jak modele nabywają wiedzę z danych treningowych i jak radzą sobie z nowymi, niewidzianymi wcześniej danymi (testującymi), co jest kluczowe dla ich praktycznego zastosowania.


Ostatnia modyfikacja: czwartek, 19 września 2024, 09:17