L73: Вычисление параметров нейронной сети

Добро пожаловать на 73-ю лекцию курса «Методы машинного обучения» профессора Аруна Раджкумара. Полный курс: https://study.iitm.ac.in/ds/course_pa... Обзор видео В этой лекции подробно рассматривается, как нейронные сети обучаются параметрам с помощью градиентного спуска и алгоритма обратного распространения ошибки. Мы начнем с определения функций потерь для регрессии (квадратичная функция потерь) и классификации (кросс-энтропийная функция потерь). Затем мы рассмотрим, как градиентный спуск используется для обновления параметров (_) и как правило цепочки применяется в обратном распространении ошибки для эффективного вычисления градиентов в многослойных сетях. В лекции также обсуждаются проблемы локальных минимумов, почему нейронные сети по-прежнему хорошо работают на практике и как они служат в качестве преобразователей признаков, обучаясь одновременно как признакам, так и весам. В заключение мы рассмотрим различные архитектуры — такие как сверточные нейронные сети (CNN) и рекуррентные нейронные сети (RNN) — и то, как они расширяют возможности нейронных сетей на такие области, как изображения, текст и данные временных рядов. О программе бакалавриата по естественным наукам в IIT Madras IIT Madras предлагает четырехлетние программы бакалавриата, цель которых — обеспечить качественное образование для всех, независимо от возраста, образования или местоположения. Программа бакалавриата имеет несколько уровней, что обеспечивает гибкость для студентов, позволяя им завершить обучение на любом из этих уровней. В зависимости от пройденных курсов и полученных кредитов, учащийся может получить сертификат Foundation Certificate от IITM CODE (Центр информационно-просветительской работы и цифрового образования), диплом(ы) от IIT Madras или степень бакалавра наук/бакалавра наук от IIT Madras. Более подробную информацию можно найти по ссылке: https://www.iitm.ac.in/academics/stud... #нейронныесети #глубокоеобучение #машинноеобучение #градиентныйспуск #обратноераспространение #функцияпотери #регрессия #классификация #кроссэнтропия #отображениепризнаков #неструктурированныеданные #сверточныенейронныесети #рекуррентныенейронныесети #искусственныйинтеллект #NNTraining #ChainRule #ParameterLearning #MLOptimization #DeepLearningBasics