Kursbeschreibung
In diesem Kapitel werden neuronale Netze vorgestellt. Sie erfahren, was sie sind und wie sie verwendet werden. Sie lernen auch die grundlegendste Art von neuronalen Netzwerken kennen. Inputs und Outputs werden in diesem Kapitel besprochen und erklärt. In diesem Kapitel wird auch der Unterschied zwischen Klassifikation und Regression für neuronale Netze erläutert.
Was Sie lernen werden
- Verstehen Sie, was neuronale Netzwerke sind und wie sie verwendet werden
- Erkunden Sie die Struktur eines neuronalen Netzwerks
- Untersuchen Sie das einschichtige Perzeptron als den grundlegendsten Typ eines neuronalen Netzwerks
- Unterscheiden Sie zwischen Ein- und Ausgaben in einem neuronalen Netzwerk
- Differenzieren Sie zwischen Klassifizierung und Regression für neuronale Netzwerke
Wichtige Erkenntnisse
- Neuronale Netzwerke werden in diesem Kapitel eingeführt, wobei ihre Definition und Verwendung erläutert werden.
- Das einschichtige Perzeptron wird als der grundlegendste Typ eines neuronalen Netzwerks präsentiert.
- Ein- und Ausgaben von neuronalen Netzwerken werden diskutiert und erläutert.
- Das Kapitel erklärt den Unterschied zwischen Klassifizierung und Regression für neuronale Netzwerke.
Häufig gestellte Fragen
Was behandelt dieser Kurs?
Dieses Kapitel führt in neuronale Netzwerke ein, einschließlich ihrer Definition und Verwendung, des grundlegendsten Typs eines neuronalen Netzwerks, Ein- und Ausgaben sowie des Unterschieds zwischen Klassifizierung und Regression für neuronale Netzwerke.
Welche Lernziele verfolgt dieser Kurs?
Die Ziele sind, zu verstehen, was neuronale Netzwerke sind und den Unterschied zwischen Klassifizierung und Regression zu verstehen.
Welche Lektionen sind in diesem Kapitel enthalten?
Die Lektionen sind Neuronale Netzwerke und ihre Verwendung, Struktur neuronaler Netzwerke, einschichtiges Perzeptron, Ein- vs. Ausgaben und Klassifizierung vs. Regression.
Mit welchen Fähigkeiten befasst sich dieser Kurs?
Er befasst sich mit Anwendungen künstlicher Intelligenz, künstlichen neuronalen Netzwerken, Backpropagation, tiefem Lernen, Methoden des tiefen Lernens und neuronaler Technik.
