Метод градiєнтного спуску для мiнiмiзацiї емпiричного ризику.

Реалізуйте в Python код для завантаження тестового датасету дорожніх знаків (BelgiumTS) (https://btsd.ethz.ch/shareddata/) та його підготовки (масштабування до 28x28 пікселів та перетворення в чорно-білу гаму). Створіть модель нейронної мережі з одним прихованим шаром для класифікації 62 класів. Використовуйте оптимізатор ADAM. Напишіть код для оцінки точності моделі на тестовій вибірці.

Мережа мережної моделі з двонаправленою асоціативною пам’яттю.

4.    Функція активації штучного нейрону має як правило вигляд:

Що таке регресія в машинному навчанні? Метрики оцінювання.

25. Для багатошарового персептрона поширеним методом навчання (без вчителя) є:

Що таке рекурентні нейронні мережі (RNN)? Наведіть приклади їх застосування.

 Завантажте невеликий набір даних CIFAR-10 (https://www.cs.toronto.edu/~kriz/cifar.html) (наприклад, по 20 зображень із 3 класів: "Коти", "Собаки", "Літаки"). Використайте 50 зображень для навчання та 10 для тестування. Використовуючи бібліотеку scikit-learn, реалізуйте алгоритм k-NN використовуючи Евклідову відстань. Зробіть висновки за результатами виконання роботи.

Завантажте невеликий набір даних CIFAR-10 (https://www.cs.toronto.edu/~kriz/cifar.html) (наприклад, по 20 зображень із 3 класів: "Коти", "Собаки", "Літаки"). Використайте 50 зображень для навчання та 10 для тестування. Реалізуйте алгоритм k-NN із різними значеннями k (5, 7) та оцініть його ефективність.

Моделі штучних нейроелементів. Властивості штучних нейромереж.