پاورپوینت فصل سوم کتاب Deep Learning from Scratch ,

پاورپوینت فصل سوم کتاب Deep Learning from Scratch

در قالب pptx و در 77 اسلاید و قابل ویرایش

فهرست مطالب
: 3-مروری برعملکردشبکه عصبی
:19-تعریف یادگیری عمیق: یک مرور اولیه
21- :سازوکارهای شبکه‌های عصبی: عملیات
26- :سازوکارهای شبکه‌های عصبی: لایه‌ها
43- :لایه چگال
50- :کلاس شبکه‌عصبی و دیگر کلاس‌ها
57- :کلاس خطا
58- :یادگیری عمیق از ابتدا
63- : پیاده‌سازی آموزش دسته‌ای
69- :بهینه‌ساز
73- :مربی

تعریف یادگیری عمیق: یک مرور اولیه

یک مدل "یادگیری عمیق" چیست؟ در فصل قبلی، مدل را به عنوان یک تابع ریاضی که توسط یک نمودار محاسباتی نمایش داده می‌شود تعریف کردیم. هدف از این مدل تلاش برای نقشه‌برداری ورودی‌ها، هر یک از مجموعه‌ای با ویژگی‌های مشترک (مانند ورودی‌های جداگانه که ویژگی‌های مختلف خانه‌ها را نمایش می‌دهند) به خروجی‌هایی که از یک توزیع مرتبط (مانند قیمت‌های آن خانه‌ها) گرفته می‌شوند، بود.

اگر مدل را به عنوان یک تابعی تعریف کنیم که پارامترها را به عنوان ورودی به برخی از عملیات‌های خود در نظر می‌گیرد، می‌توانیم آن را "بهینه" کنیم تا به بهترین شکل ممکن داده‌ها را توصیف کند با استفاده از روش زیر:
1. تکراراً مشاهدات را از طریق مدل می‌فرستیم و مقادیر محاسبه شده در طی این "گذر پیشرو" را در حین این عمل نگه می‌داریم.
2. یک خطا را محاسبه می‌کنیم که نشان‌دهنده اختلاف پیش‌بینی‌های مدل ما از خروجی‌های مطلوب یا هدف است.
3. با استفاده از مقادیر محاسبه شده در گذر پیشرو و قاعده زنجیره‌ای ریاضی که در فصل 1 توضیح داده شده است، محاسبه می‌کنیم که چه مقدار هر یک از پارامترهای ورودی در نهایت چگونه بر این خطا تأثیر می‌گذارد.
4. مقادیر پارامترها را به‌روزرسانی می‌کنیم تا امیدواریم در زمان عبور مجموعه بعدی از مشاهدات از مدل، خطا کاهش یابد.

نمایی کلی از پاورپوینت دانلودی