晶文摘

[人工智慧] 深度學習(DL)及人工智慧的應用實作

給晶新聞一個讚



深度學習(DL)及人工智慧的應用實作


作者: 夏肇毅

初稿: 20220819



重點:

類神經網路,模擬人類的神經細胞結構的網路

輸入層,接收輸入訊號的第一層

輸出層,產生輸出的最後一層

隱藏層,不是輸入也不是輸出在中間的各層

Fully-connected Network, 每個節點與上一層及下一層的節點都連接

Neuron(神經元),由樹突,細胞體,軸突,突觸組成

啟動函數,一函數輸入沒超過觸發水準輸出為0,超過輸出值就會變成1

Perceptron(感知元)如何運作? 將所有輸入 乘各自的權重後,相加, 加上偏移量後, 再經啟動函數後輸出.

人類神經元(Neuron)結構為何? 由樹突,細胞體,軸突,突觸組成

有那些常見的啟動函數?step function, ReLU, Sigmoid, tanh

梯度下降法: 根據誤差的梯度來找出誤差的下降方向,並一直往最小值的方向來修正參數。

反向傳播: 將輸出層的錯誤的梯度,依照微分的連鎖律推導,將這個梯度向前面各層一步一步地傳遞過去。每一層的神經元就根據它來調整本身的權重。

下游梯度: 等於上游梯度乘以本地梯度。

自編碼器: 壓縮大資料空間輸入到小資料空間,得到編碼值,再還原回大資料空間後輸出.訓練方法為調整類神經網路,讓輸出值等於輸入值.

卷積步驟: 翻轉, 相乘, 累加, 移動計算.

CNN: 卷積類神經網路

CNN主要的功能: 影像分類,語意切割,物件偵測,實體切割



電腦視覺 (Computer Vision)

科技> [人工智慧] CNN,影像分區塊與RNN


Convolutional Neural Network (CNN)

https://www.tensorflow.org/tutorials/images/cnn?hl=zh-tw

Import TensorFlow

Download and prepare the CIFAR10 dataset

Verify the data

Create the convolutional base

Add Dense layers on top

Compile and train the model

Evaluate the model


Basic classification: Classify images of clothing

https://www.tensorflow.org/tutorials/keras/classification?hl=zh-tw

Import the Fashion MNIST dataset

Explore the data

Preprocess the data

Build the model

Set up the layers

Compile the model

Train the model

Feed the model

Evaluate accuracy

Make predictions

Verify predictions

Use the trained model



影像處理 (Image Processing)

Generative

Neural style transfer

 https://www.tensorflow.org/tutorials/generative/style_transfer?hl=zh-tw

Deep Convolutional Generative Adversarial Network

 https://www.tensorflow.org/tutorials/generative/dcgan?hl=zh-tw

Intro to Autoencoders

 https://www.tensorflow.org/tutorials/generative/autoencoder?hl=zh-tw

Import TensorFlow and other libraries

Load the dataset

First example: Basic autoencoder

Second example: Image denoising

Define a convolutional autoencoder

Third example: Anomaly detection

Overview

Load ECG data

Build the model

Detect anomalies