Crowdly
Додати до Chrome
Методи машинного навчання в системах проєктування (САП)
Шукаєте відповіді та рішення тестів для Методи машинного навчання в системах проєктування (САП)? Перегляньте нашу велику колекцію перевірених відповідей для Методи машинного навчання в системах проєктування (САП) в vns.lpnu.ua.
Отримайте миттєвий доступ до точних відповідей та детальних пояснень для питань вашого курсу. Наша платформа, створена спільнотою, допомагає студентам досягати успіху!
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.