深度学习麻省理工学院MATLAB

标签1·冯·2

---

Klassifikation冯Bildern mithilfe vortrainierter神经元Netze

目标:Klassifizierung冯Bildern麻省理工学院卷积神经网络(cnn)。Umtrainieren进行vortrainierten cnn(转移学习)。

• Vortrainierte neuronale Netze
• 图像数据存储
• 转移学习
• Netzwerkevaluation

Funktionsweise神经元Netze

目标:Visualisierung der Zwischenergebnisse进行cnn。这位Technik auf Anwenden verschiedene Arten冯Bildern。

• Abgreifen冯Netzwerkaktivierungen
• Extrahieren冯Merkmalen

Erzeugen神经元Netzwerke

目标:Erstellen冯cnn。Einblick在死Funktionsweise神经元Netze和der verschiedenen Netzwerkschichten。

• 培训进行untrainierten neuronalen Netzes
• Neuronale Netze
• Faltungen和过滤器

标签2·冯·2

---

冯Netzwerken和Verbessern der Laufzeit培训

目标:在死Funktionsweise Einblick verschiedener Trainingsalgorithmen。Trainingsoptionen苏珥Beobachtung Kontrolle des Trainingsprozesses。Anpassung des Trainingsalgorithmus der Netzwerkarchitektur,奥得河der Trainingsdaten,嗯死Netzwerkperformance祖茂堂erhohen。

• Trainingsprozess
• Visualisierung des Trainingfortschritts
• Validierung des Ergebnisses
• Trainingsoptionen
• 有向无环图(DAG) Netzwerke
• 增强数据存储

回归

目标:Verwendung冯cnn苏珥Vorhersage kontinuierlicher numerischer Variablen。

• 转移学习皮毛Regressionsprobleme
• Evaluierung冯Regressionsnetzwerken

Verwendung冯深度学习皮毛计算机视觉

目标:Verwendung神经元Netze苏珥Lokalisierung和Beschriftung冯Objekten Bildern。

• Arbeitsablauf毛皮Bildanwendungen
• Objekterkennung

Klassifikation和Generierung冯Sequenzdaten

目标:Erzeugen和Trainieren ruckgekoppelter神经元Netze苏珥Klassifikation冯和时间-和Messreihen kategorialer Sequenzen。Verwendung ruckgekoppelter神经元Netze苏珥Vorhersage冯Sequenzen。

• 短期记忆(LSTM) Netzwerke长
• Klassifikation冯Sequenzdaten
• Vorverarbeitung冯Sequenzdaten
• Kategoriale Sequenzen (z.B文本)。
• Sequence-to-Sequence学习
• Vorhersage冯Sequenzdaten