Курс на Stepik
Обложка курса «Basics of Neural Networks» на Stepik
Бесплатно

Basics of Neural Networks ★ 0.000

Открыть на
STEPIK.ORG

The content of the course includes the basic information about artificial neural networks - starting from biological and artificial neurons, basic ANN topologies, ANN training for different tasks. High attention is devoted to manual calculations as the basis of deep understanding of artificial neural networks. This course is a part of double degree master program RCSE between KNRTU-KAI and TU Ilmenau. It is the basis for study of some advanced courses such as deep learning.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Basics of Neural Networks»Учеников на курсе 93
Сертификаты, выданные на курсе «Basics of Neural Networks»Сертификатов выдано 0
Отзывы о курсе «Basics of Neural Networks»Отзывов получено 0
Рейтинг курса «Basics of Neural Networks»Рейтинг курса 0.000
Уроки в курсе «Basics of Neural Networks»Количество уроков 33
Тесты в курсе «Basics of Neural Networks»Количество квизов 79
Время прохождения курса «Basics of Neural Networks»Время прохождения курса —
Обновления курса «Basics of Neural Networks»Обновления курса — —
Дата публикации курса «Basics of Neural Networks»Дата публикации курса — ———
Последнее обновление курса «Basics of Neural Networks»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Basics of Neural Networks» 6 разделов Уроки в курсе «Basics of Neural Networks» 33 урока Тесты в курсе «Basics of Neural Networks» 79 тестов Время прохождения курса «Basics of Neural Networks» 3 ч. Последнее обновление курса «Basics of Neural Networks» обн. 1 год назад

1. Basic concepts of neural networks

7 уроков
Закрытый
1.1 Artiticial intelligence and artificial neural networks ↗
54
4
8м 30с
0
Закрытый
1.2 Biological and artificial neurons ↗
19
3
6м 52с
0
Закрытый
1.3 Activation functions and output of artificial neuron ↗
12
2
4м 44с
0
Закрытый
1.4 ANN basic topologies ↗
9
2
5м 26с
0
Закрытый
1.5 Manual calculations on neural networks ↗
9
1
5м 24с
0
Закрытый
1.6 ANN training and testing ↗
7
1
6м 33с
0
Закрытый
1.7 Loss functions ↗
9
0
5м 5с
0

2. Single layer ANN

12 уроков
Закрытый
2.1 Binary discriminator based on single layer perceptron ↗
12
1
7м 31с
0
Закрытый
2.2 Hebbian learning rule ↗
6
1
7м 34с
0
Закрытый
2.3 Associative memory based on single layer ANN ↗
5
1
3м 28с
0
Закрытый
2.4 Delta (Windrow-Hoff) rule ↗
3
0
6м 27с
0
Закрытый
2.5 Rosenblatt’s single layer perceptron ↗
4
0
8м 30с
0
Закрытый
2.6 Using single layer NN for time series forecasting ↗
5
1
6м 32с
0
Закрытый
2.7 Laboratory work # 1 ↗
8
8
-
0
Закрытый
2.8 Laboratory work # 2 ↗
6
6
-
0
Закрытый
2.9 Labpratory work # 3 ↗
5
5
-
0
Закрытый
2.10 Laboratory work # 4 ↗
4
4
-
0
Закрытый
2.11 Laboratory work # 5 ↗
7
7
-
0
Закрытый
2.12 Laboratory work # 6 ↗
5
5
-
0

3. Mulitlayer perceptron

5 уроков
Закрытый
3.1 Structure of MLP. Classification ability ↗
5
1
6м 30с
0
Закрытый
3.2 Training of MLP. Backpropogation of error ↗
3
1
27м 54с
0
Закрытый
3.3 Delta-rule for various activation functions ↗
4
3
-
0
Закрытый
3.4 Different gradient schemes ↗
5
1
4м 8с
0
Закрытый
3.5 Vanishing and exploding gradients. Overfitting and underfitting ↗
6
1
4м 57с
0

4. Self-organizing maps

4 урока
Закрытый
4.1 Supervised and unsupervised training ↗
7
1
5м 10с
0
Закрытый
4.2 Competitive learning. Kohonen networks ↗
3
1
6м 0с
0
Закрытый
4.3 Self-organizing maps ↗
3
1
3м 15с
0
Закрытый
4.4 Laboratory work # 7 ↗
3
3
-
0

5. Recurrent neural networks

4 урока
Закрытый
5.1 Basic principles of RNN ↗
4
1
9м 25с
0
Закрытый
5.2 Hopfield Neural Network ↗
5
1
7м 13с
0
Закрытый
5.3 LSTM ↗
4
1
7м 22с
0
Закрытый
5.4 Laboratory work # 8 ↗
4
4
-
0

6. Deep learning models

1 урок
Закрытый
6.1 Convolutional neural networks ↗
8
2
14м 55с
0