Course Outline
DAG 1 - KUNSTMATIGE NEURALE NETWERKEN
Inleiding en ANN-structuur.
- Biologische neuronen en kunstmatige neuronen. Model van een ANN. Activeringsfuncties gebruikt in ANN's. Typische klassen van netwerkarchitecturen.
Mathematical Grondslagen en leermechanismen.
- Opnieuw bezoeken van vector- en matrixalgebra. Concepten van staatsruimte. Concepten van optimalisatie. Foutcorrectie leren. Op geheugen gebaseerd leren. Hebbisch leren. Competitief leren.
Perceptronen met één laag.
- Structuur en leren van perceptrons. Patroonclassificator - introductie en de classificatoren van Bayes. Perceptron als patroonclassificator. Perceptron-convergentie. Beperkingen van een perceptron.
Feedforward ANN.
- Structuren van meerlaagse feedforward-netwerken. Algoritme voor terugpropagatie. Rugvoortplanting - training en convergentie. Functionele benadering met achterwaartse voortplanting. Praktische en ontwerpkwesties van achterwaarts propagatieleren.
Radiale basisfunctienetwerken.
- Patroonscheidbaarheid en interpolatie. Regularisatietheorie. Regularisatie en RBF-netwerken. RBF netwerkontwerp en training. Benaderingseigenschappen van RBF.
Competitief leren en zelforganiserend ANN.
- Algemene clusteringprocedures. Vectorkwantisering (LVQ) leren. Competitieve leeralgoritmen en architecturen. Zelforganiserende functiekaarten. Eigenschappen van featurekaarten.
Wazig Neural Networks.
- Neuro-fuzzy systemen. Achtergrond van vage sets en logica. Ontwerp van pluizige stengels. Ontwerp van vage ANN's.
Toepassingen
- Een paar voorbeelden van Neural Network-toepassingen, hun voordelen en problemen zullen worden besproken.
DAG -2 MACHINELEREN
- Het PAC Learning Framework Garanties voor een eindige hypotheseset – consistent geval Garanties voor een eindige hypotheseset – inconsistent geval Algemeenheden Deterministisch cv. Stochastische scenario's Bayes-foutruis Schattings- en benaderingsfouten Modelselectie
Requirements
Goed inzicht in wiskunde.
Gogoed begrip van basisstatistieken.
Basis programmeervaardigheden zijn niet vereist, maar wel aanbevolen.
Getuigenissen (2)
Working from first principles in a focused way, and moving to applying case studies within the same day
Maggie Webb - Department of Jobs, Regions, and Precincts
Cursus - Artificial Neural Networks, Machine Learning, Deep Thinking
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.