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 vs modelli di regressione
  4. Apprendimento supervisionato e non supervisionato

Panoramica dei pacchetti disponibili

  1. nnet, neuralnet e altri
  2. Differenze tra i pacchetti e le loro limitazioni
  3. Visualizzazione di reti neurali

Applicazione di Neural Networks

  • Concetto di neuroni e reti neurali
  • Un modello semplificato del cervello
  • Opportunità dei neuroni
  • Problema XOR e la natura della distribuzione dei valori
  • La natura polimorfa dell'attivazione sigmoide
  • Altre funzioni di attivazione
  • Costruzione di reti neurali
  • Concetto di connessione dei neuroni
  • Reti neurali come nodi
  • Creazione di una rete
  • Neuroni
  • Stratificazioni
  • Scalabilità
  • Dati di input e output
  • Intervallo 0 a 1
  • Normalizzazione
  • Apprendimento Neural Networks
  • Propagazione retrogradiva
  • Passaggi della propagazione
  • Algoritmi di addestramento delle reti
  • Ambito di applicazione
  • Stima
  • Problemi con la possibilità di approssimazione da parte di
  • Esempi
  • OCR e riconoscimento delle forme delle immagini
  • Altre applicazioni
  • Implementazione di un modello di rete neurale per la previsione dei prezzi azionari delle società in borsa

Requisiti

Programming in ogni linguaggio di programmazione consigliato.

 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (3)

Corsi in Arrivo

Categorie relative