Информатика
ПромышленностьПохожие презентации:
Компьютерное зрение в задачах нефтегазовой отрасли
1. Компьютерное зрение в задачах нефтегазовой отрасли
Фомичева Ольга Евгеньевнак.т.н., доцент
[email protected]
Кафедра информатики
РГУ нефти и газа им.Губкина
2. Лекция №2
Нейронные сети - основатехнологии компьютерного
зрения
2
3. Упрощенные схемы биологического и искусственного нейронов
34. Математическая модель искусственного нейрона
45. Cумматор
56. Функция активации
67. Функция единичного скачка
78.
89. Сигмоидальная функция активации
910. Свойства логистической функции
1011.
1112. Гиперболический тангенс
1213. Нейронные сети
1314. Искусственная нейросеть
1415. Однослойные нейронные сети
1516. Многослойные нейронные сети
1617. Рекуррентные сети
1718. Обучение нейронных сетей
Обучение нейронной сети (training) — этопоиск такого набора весовых
коффициентов, при котором входной
сигнал после прохода по сети
преобразуется в нужный нам выходной.
18
19. Обучающая выборка
(training set)— этонабор входных сигналов (вместе с
правильными выходными сигналами), по
которым происходит обучение сети.
19
20. Тестовая выборка
(testing set) — это наборвходных сигналов (вместе с правильными
выходными сигналами), по которым
происходит оценка качества работы сети
после обучения на обучающей выборке.
20
21. Обучение с учителем
(supervised learning)— вид обучения нейронной сети, при
котором веса нейронных связей
подбираются таким образом, чтобы ответы
на выходе из сети минимально отличались
от уже готовых правильных ответов.
21
22. Обучение без учителя
(unsupervised learning)— вид обучения нейронной сети, при котором
сеть самостоятельно классифицирует
(разделяет) входные сигналы. При этом
правильные (эталонные) выходные сигналы ей
не демонстрируются.
22