Sieci neuronowe
Sztuczne sieci neuronowe — od perceptronu po głębokie sieci, backpropagation i architektury.
Artykuły w tym temacie
Perceptron — jak działa najprostsza sieć neuronowa?
Perceptron to najprostsza sieć neuronowa — pojedynczy sztuczny neuron, który potrafi się uczyć. Poznaj jego budowę, algorytm uczenia i ograniczenia. Przetest...
Funkcje aktywacji w sieciach neuronowych — ReLU, Sigmoid, Tanh
Funkcje aktywacji decydują o „pobudzeniu" neuronu i wprowadzają nieliniowość do sieci neuronowej. Porównanie ReLU, Sigmoid, Tanh, Leaky ReLU i GELU — kiedy u...
Propagacja wsteczna (backpropagation) — jak sieć się uczy
Backpropagation to algorytm obliczający gradienty w sieci neuronowej, umożliwiający uczenie się z błędów. Krok po kroku wyjaśniamy propagację wsteczną — od i...
Konwolucyjne sieci neuronowe (CNN) — rozpoznawanie obrazów
Konwolucyjne sieci neuronowe (CNN) to architektura AI stworzona do przetwarzania obrazów. Poznaj warstwy konwolucyjne, pooling, filtry i zastosowania CNN — o...
Gradient descent — optymalizacja sieci neuronowych
Gradient descent (spadek gradientowy) to algorytm optymalizacji minimalizujący funkcję straty sieci neuronowej. Poznaj warianty SGD, mini-batch i Adam — z in...
Rekurencyjne sieci neuronowe (RNN) i LSTM — przetwarzanie sekwencji
Rekurencyjne sieci neuronowe (RNN) przetwarzają dane sekwencyjne — tekst, mowę, szeregi czasowe. LSTM i GRU rozwiązują problem zanikającego gradientu. Poznaj...
Sieci generatywne (GAN) — jak AI tworzy obrazy
Generative Adversarial Networks (GAN) to architektura dwóch rywalizujących sieci neuronowych — generatora i dyskryminatora. Poznaj zasadę działania, warianty...
Autoencodery — kompresja i generowanie danych
Autoencoder to sieć neuronowa ucząca się kompresować dane do zwartej reprezentacji i odtwarzać je z niej. Poznaj warianty — VAE, denoising, sparse — oraz zas...
Overfitting i underfitting — jak uniknąć przeuczenia sieci
Overfitting (przeuczenie) i underfitting (niedouczenie) to dwa kluczowe problemy w treningu sieci neuronowych i modelach ML. Poznaj przyczyny, metody detekcj...
Transfer learning — jak wykorzystać wytrenowany model
Transfer learning to technika wykorzystania wiedzy z modelu wytrenowanego na dużym zbiorze danych do nowego zadania. Poznaj strategie fine-tuningu, feature e...