Hlboké učenie a jeho základné aplikácie pre počítačové videnie

ANDREJ LÚČNY
Katedra informatiky FMFI UK
Keď používame nejaký model hlbokého učenia, pochopiť ako a prečo funguje je na základe jeho architektúry takmer nemožné. Na to potrebujeme poznať históriu ako a cez aké verzie sa k danej architektúre výskumníci dopracovali. V prednáške zhrnieme základné míľniky tejto histórie, počnúc perceptrónom a končiac prvými úspešnými hlbokými neurónovými sieťami. Pritom uvedieme základné myšlienky, ktoré za týmito míľnikmi stáli: od univerzálneho aproximátora cez konvolučné siete, autoenkódery, plne konvolučné siete po hlboké siete s typickými stavebnými prvkami (dropout, ReLU, batch normalization, reziduálne spojenia), metrické chybové funkcie a transformery. Vysvetlíme čím sa hlboké neurónové siete líšia od klasických. Spomenieme aj akú úlohu zohrali pri ich rozvoji lepšie výpočtové možnosti.
Viac informácií o prednáškach: eurocc.nscc.sk...