mislo

Fakulteta za elektrotehniko, računalništvo in informatiko · Univerza v Mariboru

Napredne arhitekture in učenje globokih nevronskih mrež

Za predmet Napredne arhitekture in učenje globokih nevronskih mrež še ni zapiskov.

Imaš svoje zapiske? Objavi jih: ceno določiš ti, z naročnino ti ostane cela, DDV se doda kupcu.

Objavi zapiske

Čakaš na zapiske? Prijavi se in povej. Ko jih kdo objavi, dobiš sporočilo.

Želim zapiske

Kaj lahko narediš že danes

Naloži svoje gradivo za predmet Napredne arhitekture in učenje globokih nevronskih mrež: Mai ga prebere in ti iz njega naredi kartice, kviz in razlago, ko ti kaj ni jasno. Če zapiske kasneje objaviš, jih prodajaš tukaj.

Naloži svoje gradivo

Učni načrt

Podatki so iz učnega načrta, ki ga objavlja Fakulteta za elektrotehniko, računalništvo in informatiko. Prebrano 6. 9. 2026. Poglej izvirnik

6 kreditnih točk

Obveznosti v urah

  • Predavanja30 ur
  • Vaje30 ur
  • Samostojno delo120 ur

Vsebina

  1. Učenje globokih arhitektur: inicializacija, predobdelava podatkov, optimizacija hiperparametrov, problem izginjajočih gradientov, izboljšane tehnike gradientnega spusta.
  2. Problem posploševanja: razmerje bias/varianca, povečanje učne množice, regularizacija, ansambelske tehnike, predčasni zaključek učenja, nenadzorovano predučenje.
  3. Povratne nevronske mreže: navadna povratna mreža, mreža LSTM in GRU, učenje in aplikacije povratnih NM.
  4. Avtokodirniki: osnovni princip delovanja, redki, razšumni, skrčitveni in variacijski avtokodirniki, aplikacije.
  5. Generativni modeli nevronskih mrež: nevronske mreže z energijsko funkcijo (Hopfieldova nevronska mreža, Boltzmannovi stroji in omejeni Boltzmannovi stroji), generativna nasprotniška mreža, aplikacije in učni algoritmi.
  6. Nevronske mreže za grafe: faktorizacija sosednostne matrike, vložitve vozlišč in grafov, konvolucijska mreža za grafe.
  7. Globoko okrepitveno učenje: algoritmi okrepitvenega učenja, učenje s časovno razliko, metode DRL na podlagi vrednosti, metode gradienta pravilnika.
  8. Napredne tehnike in aplikacije: mehanizem pozornosti v nevronskih mrežah, stiskanje nevronskih mrež, metode vizualizacije in interpretacije nevronskih mrež.

Ocenjevanje

Računalniško delo 50 %, Pisni izpit 50 %

Pogoji za vključitev

Ni pogojev.

Literatura

  • Charu C. Aggarwal: Neural Networks and Deep Learning, Springer, Cham, 2018

Kako deluje

  1. Zapiske kupiš enkrat in ostanejo tvoji.
  2. V aplikaciji iz njih dobiš kartice, kvize in Mai, ki pozna gradivo.
  3. Ceno določi avtor. Prodajalec je Mislo AI, račun dobiš od nas.