Głębokie uczenie się

Głębokie uczenie się jest w dzisiejszych czasach gorącym tematem badawczym. Sieci neuronowe są końmi roboczymi głębokiego uczenia się. W tych badaniach badano podstawy sieci neuronowych. ANN można zdefiniować jako struktury składające się z gęsto połączonych adaptacyjnych, prostych elementów przetwarzających (zwanych sztucznymi neuronami lub węzłami), które są zdolne do wykonywania masowo równoległych obliczeń dla przetwarzania danych i reprezentacji wiedzy. Wspomniano o definicji sztucznej sieci neuronowej, omówiono projektowanie sieci neuronowej, naukę o sieci neuronowej, omówiono najpopularniejsze typy sieci neuronowych, takie jak sieci Hopfielda, sieci teorii rezonansu adaptacyjnego (ART), sieci Kohonena, sieci backpropagacji, sieci prądu przemiennego, sieci przeciwdziałające propagacji oraz sieci z funkcją bazy radialnej (RBF), a także omówiono ogólne zagadnienia związane z rozwojem ANN.