Нейросети. Раскройте всю мощь нейронных сетей: полное руководство по пониманию, внедрению ИИ

Оглавление

Группа авторов. Нейросети. Раскройте всю мощь нейронных сетей: полное руководство по пониманию, внедрению ИИ

Общие сведения о нейронных сетях: обзор

Что такое нейронные сети?

Почему нейронные сети важны?

Как нейронные сети имитируют человеческий мозг

Часть I: Начало работы с нейронными сетями

Основы искусственных нейронных сетей

Компоненты нейронной сети

Функции активации

Архитектуры нейронных сетей

Обучение нейронных сетей

Подготовка данных для нейронных сетей

Представление данных и масштабирование объектов

Методы предварительной обработки данных

Обработка отсутствующих данных

Работа с категориальными переменными

Часть II: Построение и обучение нейронных сетей

Нейронные сети с прямой связью

Структура и принципы работы

Реализация нейронной сети с прямой связью

Тонкая настройка модели

Сверточные нейронные сети (CNN)

Введение в CNN

Общие сведения о свертке и объединении слоев

Создание и обучение CNN

Применение CNN

Рекуррентные нейронные сети (RNN)

Введение в RNN

Понимание роли рецидива

Обучение и использование RNN

Применение RNN

Часть III: Повышение производительности нейронной сети

Преодоление переоборудования и недообучения

Понимание переобучения и недообучения

Методы регуляризации

Отсев и досрочное прекращение учебы

Настройка гиперпараметров

Важность гиперпараметров

Стратегии настройки гиперпараметров

Поиск по сетке и случайный поиск

Оптимизация нейронных сетей

Алгоритмы градиентного спуска и оптимизации

Пакетная нормализация

Методы инициализации веса

Трансферное обучение

Часть IV: Практическое применение нейронных сетей

Компьютерное зрение

Классификация изображений

Обнаружение объектов

Сегментация изображений

Распознавание лиц

Обработка естественного языка

Классификация текста

Анализ настроений

Генерация языков

Машинный перевод

Рекомендательные системы

Коллаборативная фильтрация

Фильтрация по содержимому

Гибридные подходы

Заключение

Будущее нейронных сетей

Последние достижения и тенденции

Этические соображения

Возможности и проблемы на будущее

Глоссарий

Приложение: Реализация нейронных сетей с помощью Python

Ссылки

Отрывок из книги

Нейронные сети – это вычислительные модели, вдохновленные структурой и функционированием человеческого мозга. Они предназначены для обработки и анализа сложных закономерностей в данных, обучения на примерах и составления прогнозов или решений.

Проще говоря, нейронные сети состоят из взаимосвязанных узлов, называемых нейронами, которые организованы в слои. Каждый нейрон получает входные данные, выполняет вычисления и производит выход, который передается другим нейронам. Эта взаимосвязанность позволяет нейронным сетям захватывать и представлять сложные отношения в данных.

.....

3. Обработка недостающих данных:

– Отсутствующие данные могут создавать проблемы при обучении нейронных сетей.

.....