SlideShare a Scribd company logo
1 of 23
Metody Deep Learning
Wykład 2
http://arxiv.org/pdf/1502.01852.pdf
Przypomnienie
Artificial neuron c.d
● Neuron pre-activation
● Neuron activation
● - wagi
● - bias
● - funkcja aktywacji (activation function)
Funkcje aktywacji
Binarna klasyfikacja
Klasyfikacja
Klasyfikacja
Multi-layered neural networks
Zaczynamy
Mathematical Optimization
● wiki: “[...] finding "best available" values of
some objective function given [...] a set of
constraints [...]”
Gradient Descent
Gradient Descent
Gradient Descent
● gwarancja zbieżności do minimum lokalnego
● łatwe do implementacji
● działa dobrze w praktyce
Gradient Descent
NN objective (cost) function
Błąd średnio kwadratowy (mean square error)
Entropia krzyżowa (cross entropy)
Wyprowadzenie
Powtórka z analizy:
Wyprowadzenie
Powtórka z analizy:
Feedforward
Backpropagation
Warianty gradient descent
Homework

More Related Content

Viewers also liked

To co powinniście wiedzieć o Machine Learning
To co powinniście wiedzieć o Machine LearningTo co powinniście wiedzieć o Machine Learning
To co powinniście wiedzieć o Machine Learning3camp
 
Machine learning - hot or not?
Machine learning -  hot or not?Machine learning -  hot or not?
Machine learning - hot or not?mjaskowski
 
Machine learning and Big Data (lecture in Polish)
Machine learning and Big Data (lecture in Polish)Machine learning and Big Data (lecture in Polish)
Machine learning and Big Data (lecture in Polish)Michal Iwanowski
 
Hacking Internet of Things
Hacking Internet of ThingsHacking Internet of Things
Hacking Internet of ThingsSecuRing
 
Wyniki wyszukiwania Google w 2016 - XIX Semcamp Cezary Glijer
Wyniki wyszukiwania Google w 2016 - XIX Semcamp Cezary GlijerWyniki wyszukiwania Google w 2016 - XIX Semcamp Cezary Glijer
Wyniki wyszukiwania Google w 2016 - XIX Semcamp Cezary GlijerCezary Glijer
 
Prezentacja z Big Data Tech 2016: Machine Learning vs Big Data
Prezentacja z Big Data Tech 2016: Machine Learning vs Big DataPrezentacja z Big Data Tech 2016: Machine Learning vs Big Data
Prezentacja z Big Data Tech 2016: Machine Learning vs Big DataBartlomiej Twardowski
 

Viewers also liked (6)

To co powinniście wiedzieć o Machine Learning
To co powinniście wiedzieć o Machine LearningTo co powinniście wiedzieć o Machine Learning
To co powinniście wiedzieć o Machine Learning
 
Machine learning - hot or not?
Machine learning -  hot or not?Machine learning -  hot or not?
Machine learning - hot or not?
 
Machine learning and Big Data (lecture in Polish)
Machine learning and Big Data (lecture in Polish)Machine learning and Big Data (lecture in Polish)
Machine learning and Big Data (lecture in Polish)
 
Hacking Internet of Things
Hacking Internet of ThingsHacking Internet of Things
Hacking Internet of Things
 
Wyniki wyszukiwania Google w 2016 - XIX Semcamp Cezary Glijer
Wyniki wyszukiwania Google w 2016 - XIX Semcamp Cezary GlijerWyniki wyszukiwania Google w 2016 - XIX Semcamp Cezary Glijer
Wyniki wyszukiwania Google w 2016 - XIX Semcamp Cezary Glijer
 
Prezentacja z Big Data Tech 2016: Machine Learning vs Big Data
Prezentacja z Big Data Tech 2016: Machine Learning vs Big DataPrezentacja z Big Data Tech 2016: Machine Learning vs Big Data
Prezentacja z Big Data Tech 2016: Machine Learning vs Big Data
 

Metody Deep Learning - Wykład 2

Editor's Notes

  1. obliczanie wyjścia w dwóch fazach
  2. zbiór punktów dwuwymiarowych należących do dwóch klas, np. {0,1} rozpatrzenie jednego neuronu z sigmoidą jako funkcją aktywacji wyjście z sigmoidy można traktować jako prawdopodobieństwo, że punkt przynależy do klasy - np.1 zastanowić się, gdzie przebiega granica pomiędzy klasami - jest to linia prosta wniosek: jeden sztuczny neuron działa jako klasyfikator binarny liniowo separując klasy
  3. odchodzimy od sztucznego neuronu inne proste problemy liniowo separowalne
  4. na tablicy oblicz minimum (wyjdzie -3/2)
  5. obliczyć tutaj gradient tej funkcji na tablicy pokazać że niezależnie od pierwszego strzału zabawa ze styczną da dobre wyniki (narysować wykres tan x)