الأسبوع 3

$$\gdef \sam #1 {\mathrm{softargmax}(#1)}$$ $$\gdef \vect #1 {\boldsymbol{#1}} $$ $$\gdef \matr #1 {\boldsymbol{#1}} $$ $$\gdef \E {\mathbb{E}} $$ $$\gdef \V {\mathbb{V}} $$ $$\gdef \R {\mathbb{R}} $$ $$\gdef \N {\mathbb{N}} $$ $$\gdef \relu #1 {\texttt{ReLU}(#1)} $$ $$\gdef \D {\,\mathrm{d}} $$ $$\gdef \deriv #1 #2 {\frac{\D #1}{\D #2}}$$ $$\gdef \pd #1 #2 {\frac{\partial #1}{\partial #2}}$$ $$\gdef \set #1 {\left\lbrace #1 \right\rbrace} $$ % My colours $$\gdef \aqua #1 {\textcolor{8dd3c7}{#1}} $$ $$\gdef \yellow #1 {\textcolor{ffffb3}{#1}} $$ $$\gdef \lavender #1 {\textcolor{bebada}{#1}} $$ $$\gdef \red #1 {\textcolor{fb8072}{#1}} $$ $$\gdef \blue #1 {\textcolor{80b1d3}{#1}} $$ $$\gdef \orange #1 {\textcolor{fdb462}{#1}} $$ $$\gdef \green #1 {\textcolor{b3de69}{#1}} $$ $$\gdef \pink #1 {\textcolor{fccde5}{#1}} $$ $$\gdef \vgrey #1 {\textcolor{d9d9d9}{#1}} $$ $$\gdef \violet #1 {\textcolor{bc80bd}{#1}} $$ $$\gdef \unka #1 {\textcolor{ccebc5}{#1}} $$ $$\gdef \unkb #1 {\textcolor{ffed6f}{#1}} $$ % Vectors $$\gdef \vx {\pink{\vect{x }}} $$ $$\gdef \vy {\blue{\vect{y }}} $$ $$\gdef \vb {\vect{b}} $$ $$\gdef \vz {\orange{\vect{z }}} $$ $$\gdef \vtheta {\vect{\theta }} $$ $$\gdef \vh {\green{\vect{h }}} $$ $$\gdef \vq {\aqua{\vect{q }}} $$ $$\gdef \vk {\yellow{\vect{k }}} $$ $$\gdef \vv {\green{\vect{v }}} $$ $$\gdef \vytilde {\violet{\tilde{\vect{y}}}} $$ $$\gdef \vyhat {\red{\hat{\vect{y}}}} $$ $$\gdef \vycheck {\blue{\check{\vect{y}}}} $$ $$\gdef \vzcheck {\blue{\check{\vect{z}}}} $$ $$\gdef \vztilde {\green{\tilde{\vect{z}}}} $$ $$\gdef \vmu {\green{\vect{\mu}}} $$ $$\gdef \vu {\orange{\vect{u}}} $$ % Matrices $$\gdef \mW {\matr{W}} $$ $$\gdef \mA {\matr{A}} $$ $$\gdef \mX {\pink{\matr{X}}} $$ $$\gdef \mY {\blue{\matr{Y}}} $$ $$\gdef \mQ {\aqua{\matr{Q }}} $$ $$\gdef \mK {\yellow{\matr{K }}} $$ $$\gdef \mV {\lavender{\matr{V }}} $$ $$\gdef \mH {\green{\matr{H }}} $$ % Coloured math $$\gdef \cx {\pink{x}} $$ $$\gdef \ctheta {\orange{\theta}} $$ $$\gdef \cz {\orange{z}} $$ $$\gdef \Enc {\lavender{\text{Enc}}} $$ $$\gdef \Dec {\aqua{\text{Dec}}}$$

الجزء الأول من المحاضرة

نعاين أولاً تصوراً لشبكة عصبية من 6 طبقات. بعد ذلك نبدأ بموضوع التلافيف والشبكات العصبية الالتفافية (CNN). نستعرض عدة أنواع من تحويلات المعاملات في سياق شبكات CNNs بالإضافة إلى تقديم فكرة النواة، والتي تُستخدم لتعلم الخواص بطريقة هرمية. الشيء الذي يسمح لنا بتصنيف المدخلات مما تعتبر الفكرة الأساسية التي تحفز استخدام شبكات CNNs.

الجزء الثاني من المحاضرة

نشرع بمقدمة حول كيفية تطور شبكات CNN بمرور الوقت. نناقش بالتفصيل نماذج CNN مختلفة، بما في ذلك التطبيق العملي الحديث لـ (LeNet5) لتوضيح مهمة التعرف على الأرقام في مجموعة بيانات (MNIST). بناءً على مبادئ التصميم الخاصة بها، نتعمق في مزايا شبكات CNNs التي تسمح لنا باستغلال ميزات تركيب و ثبات و محلية الخواص المتعلقة بالصور الطبيعية.

التدريب العملي

مناقشة مفصلة لخصائص الإشارات الطبيعية الأكثر صلة بشبكات CNNs، نتحدث هنا أساسا عن : المحلية، الثبات، و التركيب. نستكشف بدقة كيف تستغل النواة هذه الميزات من خلال التناثر ومشاركة الوزن و رص الطبقات، فضلاً عن تحفيز مفاهيم التبطين والتجميع. أخيرًا، تم إجراء مقارنة في الأداء بين FCN و CNN اعتمادا على صيغ بيانات مختلفة.



aissam out