Sieci neuronowe są algorytmami uczenia maszynowego (czyli uczą się na podstawie dostarczonych danych) o wielu zastosowaniach w automatyce i robotyce.

W problemach uczenia maszynowego najistotniejsze jest kontrolowanie zjawiska niedouczenia i przeuczenia, poprzez właściwy podział na zbioru uczący, walidacyjny i testowy.

Sieci neuronowe uczymy z wykorzystaniem algorytmów gradientowych.

Najprostszą architekturą sieci neuronowej jest perceptron wielowarstwowy.

W systemach wizyjnych stosujemy sieci konwolucyjne.

Mamy również do dyspozycji bardziej złożene podejścia i architektury, takie jak: sieci rekurencyjne, sieci RBF, autoenkodery, transformery i uczenie transferowe.

Ostatnia modyfikacja: piątek, 20 czerwca 2025, 13:13