Struttura del corso

Introduzione a Neural Networks

  1. Cosa sono Neural Networks
  2. Qual è lo stato attuale nell'applicazione delle reti neurali
  3. Neural Networks Confronto tra modelli di regressione
  4. Apprendimento supervisionato e non supervisionato

Panoramica dei pacchetti disponibili

  1. NNET, NeuralNet e altri
  2. Differenze tra pacchetti e limitazioni itls
  3. Visualizzazione delle reti neurali

Applicazione Neural Networks

  • Concetto di neuroni e reti neurali
  • Un modello semplificato del cervello
  • Opportunità neuronale
  • Il problema XOR e la natura della distribuzione dei valori
  • La natura polimorfica del sigmoidale
  • Altre funzioni attivate
  • Costruzione di reti neurali
  • Il concetto di neuroni si connette
  • Reti neurali come nodi
  • Costruire una rete
  • Neuroni
  • Strati
  • Bilancia
  • Dati di input e output
  • Intervallo da 0 a 1
  • Normalizzazione
  • Apprendimento Neural Networks
  • Propagazione all'indietro
  • Propagazione a gradini
  • Algoritmi di addestramento della rete
  • Campo di applicazione
  • Valutazione
  • Problemi relativi alla possibilità di ravvicinamento
  • Esempi
  • OCR e riconoscimento di modelli di immagine
  • Altre applicazioni
  • Implementazione di un processo di modellazione della rete neurale che prevede i prezzi delle azioni di

Requisiti

Si consiglia la programmazione in qualsiasi linguaggio di programmazione.

  14 ore
 

Numero di Partecipanti


Data Inizio

Data Fine


Le date sono soggette a disponibilità e si svolgono tra le 09:30 e le 16:30.
I corsi di formazione pubblici richiedono più di 5 partecipanti.

Recensioni (3)

Corsi relativi

Categorie relative