听说你的神经网络模型是个学渣······

Posted 2021-04-07 小象

神经网络是近代人工智能的重要分支，它在许多领域都有着广泛的应用，比如：语音识别、无人汽车驾驶、机器翻译等。 

掌握熟悉神经网络设计原理是从事数据科学人士必备的技能。

人工神经网络模型的设计主要考虑网络连接的拓扑结构、神经元的特征、学习规则等。其中学习是神经网络研究的一个重要内容，神经网络的学习指的是修改神经网络的权值和偏置值的过程和方法，其目的是为了训练网络来完成某些工作。

神经网络模型的适应性是通过学习来实现的，学习能根据环境的变化，对权值进行调整，从而改善系统的行为。好的学习结果对学习的输入数据能得到期望的输出或比较接近期望的输出。

神经网络模型的适应性是怎么学习出来的呢？

给你介绍几个常用的神经网络学习算法

主讲人：邵平 

索信达数据公司技术总监（兼） 

金融AI实验室负责人

 

索信达数据公司技术总监（兼）金融AI实验室负责人。拥有11年的数据挖掘和分析经验，对于构建企业级大数据挖掘和分析平台具有丰富的实施经验，为建设银行、广发银行、平安银行、中信银行、海印集团等长期提供大数据业务应用咨询及实施服务，具备深刻的金融业务理解。

精通 Hadoop、Spark、HBase、Storm 等技术， 精通 SAS 和 R 语言，具有深厚的数学、统计学功底。擅长人工智能、机器学习和深度学习技术，掌握多种领先业内的分布式海量数据挖掘分析算法和模型，具有丰富的海量数据挖掘项目规划和实施经验。

主 题

神经网络常用学习算法介绍

人群定位

有一定的神经网络基础理论知识，了解神经元模型和网络结构，有一定的线性代数、概率论和微分方程的数学基础知识。

讲座提纲

1、神经网络的应用及其生物学的启示

2、神经元模型和网络结构

3、感知机的结构及其学习规则

4、adline 网络及 LMS 学习算法

5、线性联想器及有监督的 HEBB 规则

6、无监督的 HEBB 规则

课程领取方式

长按识别下方二维码

即可查看课程

（听说分享还有小惊喜哦）