|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/artificial-neural-networks-tutorial-theory-applications/
课程评论：没有评论
**课程名称：** 人工神经网络教程 - 理论与应用 **课程概述：** 本课程旨在简化人工智能神经网络 (ANN) 的概念。人工神经网络模仿人类的思考过程，凭借其固有的结构，能够解决包括二元分类和多类别分类在内的各种问题。本课程的一大特色是其简洁性和循序渐进的教学方式，详细讲解神经网络的概念及应用。 **课程内容：** **第一部分：人工神经网络理论** * **什么是神经网络：** 了解神经网络的基本概念。 * **神经网络相关术语：** 学习神经网络中的关键术语，例如： * **什么是节点 (node)：** 神经网络的基本处理单元。 * **什么是偏置 (bias)：** 影响神经元激活阈值的参数。 * **什么是隐藏层/输入层/输出层：** 神经网络的层级结构。 * **什么是激活函数 (activation function)：** 决定神经元输出的函数。 * **什么是前馈模型 (feed forward model)：** 信息单向传递的神经网络模型。 * **神经网络算法如何工作：** 深入了解神经网络的运作机制。 * **什么是案例/批量更新 (case / batch updating)：** 学习模型训练中的不同更新策略。 * **什么是权重和偏置更新 (weight and bias updation)：** 理解模型参数的调整过程。 * **对神经网络功能的直观理解：** 通过易于理解的方式掌握神经网络的工作原理。 * **停止准则 (stopping criteria)：** 学习何时停止模型训练。 * **分析师需要做出哪些决定来优化神经网络：** 了解模型优化的关键决策点。 * **应用ANN所需的数据预处理：** 学习在应用神经网络前的数据准备工作。 **第二部分：人工神经网络应用** * **ANN在二元结果上的应用：** 学习如何使用神经网络解决二元分类问题。 * **ANN在多类别结果上的应用：** 学习如何使用神经网络解决多类别分类问题。 * **ANN作业 - 边学边做：** 通过实践项目巩固所学知识。
This course aims to simplify concepts of Artificial Neural Network (ANN). ANN mimics the process of thinking. Using it's inherent structure, ANN can solve multitude of problem like binary classifications problem, multi level classification problem etc. The course is unique in terms of simplicity and it's step by step approach of presenting the concepts and application of neural network. The course has two section ---------------------------- Section 1: Theory of artificial neural network ---------------------------- what is neural networkTerms associated with neural networkWhat is nodeWhat is bias What is hidden layer / input layer / output layer What is activation function What is a feed forward modelHow does a Neural Network algorithm work?What is case / batch updatingWhat is weight and bias updation Intuitive understanding of functioning of neural network Stopping criteria What decisions an analyst need to take to optimize the neural network?Data Pre processing required to apply ANN ---------------------------- Section 2: Application of artificial neural network ---------------------------- Application of ANN for binary outcomeApplication of ANN for multi level outcomeAssignment of ANN - learn by doing
