Zagadnienia na wykładzie
Transkrypt
Zagadnienia na wykładzie
Wstęp do sieci neuronowych – dzienniczek zajęć Prowadzący: Maja Czoków, Jarosław Piersa – wykład Termin: wtorki, 14 – 16 AULA Ilość godzin: 30h wykład + 30h laboratorium Lista osób: na USOSie widnieje 65 Warunki zaliczenia: Egzamin pisemny + ustny, zwolnienie z egzaminu za wybitną pracę na laboratoriach i uzyskanie oceny BDB+ do dnia 2011-02-16 Laboratoria: Maja Czoków x2, Jarosław Piersa x1 Docelowy rocznik: 5inf, 4inf; pierwszeństwo w udziale w zajęciach ma 5inf Egzamin: 2011-02-11 piątek, godziny 12-16, sala S3 Literatura: • R. Rojas Neural Networks, A Systematic Introduction, Springer 1996, • P. Peretto, Introduction to Modeling Neural Networks, Cambridge University Press 1994, • C. Bishop, Neural Networks for Pattern Recognition, Oxford University Press 1995. Dzienniczek zajęć: Data Materiał W01 Sprawy organizacyjne: 2010-10-05 Podane warunki zaliczania zajęć oraz egzaminu, plan wykładu, literatura, Perceptrony: Ogólne informacje o neuronach jako komórkach, Model perceptronu prostego, dynamika, możliwości klasyfikacji, postacie funkcji aktywującej, Podany algorytm SPLA wraz z dowodem poprawności, W01 Dokończone uczenie perceptronu prostego, algorytmy uczenia PLA, RLA, dowód 2010-10-05 poprawności, RBF – informacje ogólne, W03 Dokończony RBF (+ przypomnienie z poprzednich zajęć) postacie funkcji bazowych, 2010-10-19 wykorzystanie RBF do rozwiązania problemu XOR, przedstawiona maszyna Adaline, dynamika i algorytm uczenia z dowodem poprawności, podany GDA (Gradient Descent Algorithm) W04 Maszyny Liniowe, dynamika, uczenie, zastosowania, 2010-10-24 równoważności ML i perceptronów; konstrukcja Kesslera Sieci skierowane: Podane definicje i proste przykłady sieci skierowanych, dynamika, uwagi ogólne, nie było uczenia, podane czym są sieci wielowarstwowe (MLP) 2010-11-02 Wykładu nie będzie – godziny rektorskie W05 Przedstawione algorytmy konstrukcyjne dla skierowanych sieci neuronowych: 2010-11-09 algorytm wieżowy + dowód, piramidalny, kafelkowy i upstart, do tego szybkie przykładowe działanie W06 Algorytm wstecznej propagacji błędu: 2010-11-16 Przypomniane pobieżnie sieci skierowane oraz sigmoidalne funkcje aktywujące, podany algorytm wstecznej propagacji błędu (Back-Error Propagation), dowód algorytmu, modyfikacje: propagacja z pędem, uwagi ogólne dotyczące zbieżności algorytmu Data Materiał W07 Podane modyfikacje algorytmu propagacji, quickprop, propagacja wsteczna drugiego 2010-11-23 rzędu, Uczenie bez nauczyciela Podane paradygmaty uczenia z nauczycielem (jako przypomnienie) oraz bez nauczyciela, sformułowane zagadnienie, przedstawione algorytmy K-means oraz art2, W08 Samoorganizacja topologiczna, algorytm Kohonena i jego modyfikacje, informacje 2010-11-30 o różnych metrykach. Analiza składowych głównych: reguła Hebba oraz reguła Oja. W09 Sieci rekurencyjne : 2010-12-07 Definicja, przykłady, uwagi ogólne, modelowanie i dynamika. Sieci Hopfielda, definicja, przykład zastosowania, konstrukcja autoasocjatora graficznego, analiza teoretyczna: postać funkcji energetycznej, zbieżność, stabilność wzorca, odzyskiwanie obrazu. W10 Przypomnienie: model Sieci Hopfielda, konstrukcja autoasocjatora graficznego, 2010-12-14 wykorzystanie do optymalizacji grafowej, dwupodział grafu, kolorowanie, cykl Hammiltona przydział zadań. Podane postacie wag i pól zewnętrznych z wyprowadzeniem. Uwagi dotyczące przechowywania wagi. Ustalony termin egzaminu: 2011-02-11 piątek 12-16. W11 Łańcuchy Markowa (Markov Chains), przykład, definicja, własności, macierz 2010-12-21 przejść, stan stacjonarny, tw. o istnieniu stanu stacjonarnego (bez dowodu), symulowanie łańcuchów Markowa, algorytmy MCMC, W12 Uczenie Hebbowskie, analiza składowych głównych (PCA) (dokończenie) Maszyny 2011-01-04 Boltzmanna, interpretacja termodynamiczna sieci neuronowych, symulowane wyżarzanie, schematy chłodzenia, W13 Uczenie Maszyn Boltzmanna, zagadnienie, algorytm, poprawność, zastosowanie 2011-01-11 na przykładzie autoasocjatora graficznego, działanie i dynamika Kilka uwag o generalizacji sieci neuronowych, zjawisku przeuczenia sieci, prosty model walidacji danych, W14 Walidacja modelu, walidacja krzyżowa, „leave one out”, testowanie jakości uczenia, 2011-01-18 błędy pierwszego i drugiego rodzaju, regresja liniowa, Krótkie powtórzenie liczb zespolonych i logik wielowartościowych W15 Omówiona forma egzaminu 2011-01-25 Dokończone zespolone sieci neuronowe, algorytmy genetyczne – biologiczna motywacja, paradygmat, ogólny schemat, przykładowe zastosowanie, do tego krótki wstęp o algorytmach ewolucyjnych