Deep Learning w MATLABie – wprowadzenie
Czy znasz podstawy i jesteś gotowy na głębokie uczenie (Deep Learning) w MATLABie? Zacznij od praktycznych przykładów z tego ebooka. Poznasz trzy podejścia do szkolenia sieci neuronowych w zakresie klasyfikacji obrazów:
1. Szkolenie sieci od podstaw
2. Wykorzystanie transfer learning do szkolenia istniejącej sieci
3. Dostosowanie wstępnie wyszkolonej sieci do segmentacji semantycznej
Zobaczysz także dwa przykłady pokazujące, w jaki sposób modele głębokiego uczenia można zastosować do szeregów czasowych lub danych sygnałowych.
Pobierz ebook i dowiedz się, jak:
a. Tworzyć i konfigurować warstwy sieci
b. Dostosowywać architekturę sieci, w tym sieci konwolucyjne (CNN), skierowane grafy acykliczne (DAG) i Long Short-Term Memory (LSTM)
c. Wybrać najlepsze opcje szkolenia i algorytmy
d. Użyć augmentacji danych i optymalizacji bayesowskiej, aby poprawić dokładność treningu
e. Dołączyć spektrogramy do rozpoznawania mowy