많은 웹 사이트와 블로그에서 ANN (인공 신경망)에 대해 설명했지만 ANN에 대해 많이 모르는 사람들을위한 단계별 절차를 고려하지 않고 대신 많은 수학을 던집니다 , 그것은 나를 위해 불행하게도 매우 애매하게 보인다. 컴퓨터 생성 숫자 나 숫자보다 훨씬 단순한 것을 인식 할 수있는 간단한 ANN 프로그램을 가르치는 웹 사이트/블로그가 있습니까?간략하게 ANN을 설명하는 리소스가 있습니까?
ANN (일명 MLP)에서 최고의 입문 (그러나 전체) 자원이 내 주석 목록입니다.
Course Notebook, Willamette University이 자원은 약 25 ~ 30 페이지 총입니다 (이 페이지의 상단 오른쪽에있는 사이드를 사용하여 섹션 사이 또는 특정 페이지의 하단에 이전다음 또는 을 클릭하여 이동합니다). 나는 두 가지 이유로이 자원을 매우 높게 생각한다. (i) 많은 수의 다이어그램을 포함하고 산문과 잘 통합한다. (ii) 네트워크의 구조, 역 전파의 기초가되는 미적분, 훈련 매개 변수 (운동량, 학습 속도)의 선택/반복 등등을 포함하는 (ANN/MLP의 계산적이고 프로그램적인 요지)는 산문, 네트워크 다이어그램 및 실제 방정식을 결합하여 특히 유용합니다. 이는 교육 단계를 구성하는 단일 에포크의 각 단계를 세밀하게 설명합니다.
IBM developer works class on neural networks David Mertz의 작업 코드에는 파이썬 (python)과 중요한 데이터 세트가 포함되어 있습니다. 처음 몇 단락을 제외하고는 전체 문서가 코드와 데이터를 철저히 따릅니다. 왜냐하면 내가 코딩 할 수 없으면, 나는 그것을 배웠다고 생각하지 않기 때문이다. (그것은 개인적 문지방이며, 다른 사람들에게는 효과가 없을 수도있다.) 그 외에도 코드에 중점을두고 해당 코드와 제공된 데이터 세트를 사용하여 토론을 실질적으로 수행 할 수 있습니다. 마지막으로 저자 David Mertz와 Andrew Blais는 분명히 주제에 대한 강력한 명령을 가지고 있습니다.
Generation5 이것은 세 가지 중에서 가장 기본적인 것이므로 아마도 그 중 하나 일 것입니다. 저자는 다중 레이어 퍼셉트론의 미세한 점에 대해서는 잘 알고 있지만 독자에 대한 지식이 필요하지는 않습니다. 즉 수치 적 솔루션 기술을 연기하지 않고 역 전파를 문제에 대한 상식적인 해결책으로 설명합니다. 이는 MLP의 많은 참고 자료에서 흔히 볼 수있는 '백 드롭은 그라디언트 디센트'를 통해 해결됩니다. 그리고 내가 언급 한 첫 번째 리소스와 마찬가지로이 다이어그램은 다이어그램에 크게 의존합니다. 데이터보다는 (0과 1), 저자는 문제를 수치 데이터로 줄이는 대신 산문을 사용하여 간단한 예측 분석 시나리오의 맥락에서 MLP의 구조와 기능에 대해 논의합니다.
멋진 참고 사항을 보내 주셔서 감사합니다. –