Explore la production de chaleur à partir des interactions lumière-matière, le transport d'énergie par les ondes électromagnétiques et le concept d'intensité.
Explore le développement historique de l'apprentissage profond, de l'apprentissage par renforcement, des mécanismes d'attention et des systèmes de mémoire en IA inspirés des neurosciences.
Par Meenakshi Khosla explore la modélisation basée sur les données dans les neurosciences naturalistes à grande échelle, en mettant l'accent sur la représentation de l'activité cérébrale et les modèles de calcul.
Explore les modèles de calcul du système visuel ventral, en se concentrant sur l'optimisation des réseaux pour les tâches réelles et la comparaison avec les données cérébrales.
Explore le comportement des charges dans les conducteurs, y compris le mouvement dans les métaux et l'évaluation des champs électriques à l'aide de surfaces gaussiennes.
Déplacez-vous dans la recherche graphique, les réseaux neuronaux et l'apprentissage profond, couvrant des sujets tels que les réseaux neuronaux convolutionnels et les réseaux neuronaux artificiels.
Introduit l'électrostatique, couvrant les forces, les charges et les champs électriques, y compris les principes de superposition et de création de champs personnalisés.
Introduit l'électrostatique, couvrant les forces, les charges et les champs électriques, y compris la force de Coulomb et le concept de lignes de champ électrique.
Couvre la préparation à l'examen pour l'électromagnétisme, en se concentrant sur les concepts clés et des conseils pratiques pour la réussite à l'examen écrit.
Se penche sur les perspectives géométriques des modèles d'apprentissage profond, explorant leur vulnérabilité aux perturbations et l'importance de la robustesse et de l'interprétabilité.
Plongez dans les défis et les avantages de l'apprentissage profond, en soulignant la transition vers les réseaux neuronaux convolutifs et l'impact de la largeur du réseau sur le paysage des pertes.
Couvre les bases des réseaux neuronaux, des fonctions d'activation, de la formation, du traitement d'image, des CNN, de la régularisation et des méthodes de réduction de dimensionnalité.