Sztuczna inteligencja jest obszerną dziedziną, w której sieci neuronowe odgrywają niezwykle istotną rolę. Poznanie podstaw sieci neuronowych pozwoli na inne spojrzenie na rozwiązanie dotychczas nierozwiązywalnych problemów. W tym artykule przedstawione zostaną również wybrane struktury głębokiego uczenia (ang. deep learning) – dziedziny, która zrewolucjonizowała obszar sieci neuronowych. Deep learning otwiera się na wykorzystanie nowych możliwości inteligentnego przetwarzania danych w sposób równoległy...

Zagadnienia poruszane w tym artykule:

• Biologiczny neuron,
• Sztuczny neuron;
• W jaki sposób sieci neuronowe są inteligentne?
• Dopasowanie współczynnika uczenia;
• Bias;
• Sieci nuronowe;
• Warstwy ukryte i algorytm wstecznej propagacji błędu;
• Vanishing gradient;
• Overfitting/Underfitting;
• Przykład w Tensorflow 2.x – rozpoznawanie cyfr z bazy MNIST;
• Deep Learning – wybrane struktury;
• Splotowe sieci neuronowe;
• Ograniczone Maszyny Boltzmanna;
• LSTM (Long short-term memory).

Artykuł pochodzi z magazynu Programista nr 95 (1/2021). Jest to wydanie luty/marzec 2021 r.

Szczegółowy spis treści wydania nr 95: https://programistamag.pl/programista-1-2021-95/

Autorem artykułu jest Piotr Woldan. Jest współzałożycielem firmy Evorain sp. z o.o. Pasjonat algorytmów, uczenia maszynowego, a w szczególności metod głębokiego uczenia, jak również programowania równoległego na architekturach heterogenicznych. Od 2014 roku posiada doświadczenie w pracy badawczej, powiązanej z zastosowaniami biznesowymi. Ten artykuł dedykuje swojej żonie Marzenie oraz córeczce Hani.