Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Concept

Redresseur (réseaux neuronaux)

Séances de cours associées (30)

Réseaux neuronaux profonds : optimisation et approximation

Explore l'optimisation et l'approximation dans les réseaux neuronaux profonds, y compris le contrôle optimal et les expériences numériques.

Splines et apprentissage automatique

Explore l'apprentissage supervisé comme un problème mal posé et l'intégration de splines adaptatives clairsemées dans les architectures neurales.

Réseaux neuronaux d'avant-garde : fonctions d'activation et rétropropagation

Introduit des réseaux neuronaux, des fonctions d'activation et de rétropropagation pour la formation, en répondant aux défis et aux méthodes puissantes.

Perceptron multicouche : formation et optimisation

Explore le modèle de perceptron multicouche, la formation, l'optimisation, le prétraitement des données, les fonctions d'activation, la rétropropagation et la régularisation.

Approche statistique : résumé et quiz

Discute de la vue statistique des réseaux neuronaux, des tâches de classification et des fonctions de perte d'entropie croisée.

Problème de gradient de disparition: Deep Learning

Discute du problème du gradient de fuite dans les réseaux neuronaux profonds et de ses solutions.

Mise à jour de poids: entrée moyenne et problème de biais

Discute du décalage d'entrée moyen et du problème de biais dans les mises à jour de poids pour les réseaux neuronaux, soulignant l'importance d'une initialisation correcte pour prévenir les problèmes de gradient.

Splines et imagerie : de la détection comprimée aux moustiquaires neurales profondes

Explore l'optimalité des splines pour l'imagerie et les réseaux neuraux profonds, démontrant la sparosité et l'optimalité globale avec les activations des splines.

Réseaux neuronaux récurrents : modèles de langage neuronal

Explore les modèles de langage neuronal à context fixe, les RNN, les gradients de disparition et l'étiquetage séquentiel dans NLP.

Problèmes multi-classes: One-hot Coding

Explore le codage one-hot pour les classes exclusives et la fonction de perte d'entropie croisée dans les problèmes multi-classes.

Triangulation avancée : Gradient Maximization

Couvre les problèmes avancés de triangulation liés à la maximisation du gradient.

Incorporation de mots : contexte et représentation

Explore l'intégration des mots, en mettant l'accent sur les relations mot-contexte et les représentations de faible dimension.

Réseaux neuronaux : formation et activation

Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.

Le paysage d'optimisation de Convex caché des réseaux neuronaux profonds

Explore le paysage d'optimisation convexe caché des réseaux neuronaux profonds, montrant la transition des modèles non convexes aux modèles convexes.

Réseaux neuronaux

Explore les réseaux neuronaux, les couches cachées, les ajustements de poids, les fonctions d'activation et le théorème d'approximation universel.

Formation adversaire : Optimisation et applications

Explore l'optimisation de la formation contradictoire, la mise en œuvre pratique, l'interprétation, l'équité, la distance de Wasserstein et les GAN de Wasserstein.

Réseaux neuronaux : Réseau neuronal à deux couches

Couvre les bases des réseaux neuraux, en mettant l'accent sur le développement des réseaux neuraux de deux couches vers les réseaux neuraux profonds.

Réseaux de neurones : caractéristiques d’apprentissage et prédiction linéaire Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la capacité des réseaux de neurones à apprendre des fonctionnalités et à faire des prédictions linéaires, en soulignant l'importance de la quantité de données pour une performance efficace.

Réseau neuronal Rapprochement et apprentissage Connectez-vous à Mediaspace pour regarder cette vidéo

S'oriente vers l'approximation du réseau neuronal, l'apprentissage supervisé, les défis de l'apprentissage à haute dimension et la révolution expérimentale de l'apprentissage profond.

Critères de monotonie dans les fonctions différenciables Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les critères de monotonie, la règle de L'Hopital et la continuité de Lipschitz dans les fonctions différentiables et les réseaux neuronaux profonds.