1. Области применения искусственных нейронных сетей (ИНС).
2. Что такое искусственный нейрон и его аналогия с нейроном мозга. Основные типы активационных функций.
3. Принципы построения искусственных нейронных сетей (ИНС). Типы ИНС.
4. Понятия недообучения и переобучения ИНС
5. Деревья решений. Принципы построения.
6. Критерии неоднородности для деревьев решений.
7. Программный инструментарий для построения ИНС.

1. Метод градиентного спуска.
2. Функция ошибок. Скорость обучения ИНС.
3. Прямое вычисление и обратное распростнаение ошибок.
4. Обратное распространение ошибки для вычислительного графа

№

Формула Начальные значения x1,x2,x3 Начальные значения весов w1,w2,w3 Ожидаемые значения y1,y2,y3 Новые значения весов w1.w2.w3 2.4.1 сигмоида 1/(1+exp(-z)) {1,2,3} {2,3,4} {1,1,1}

2.4.2 tanh tanh(z) {2,3,4} {3,4,5} {1,1,1}

2.4.3 ELU z, если z>=0 a*(exp(z)-1), если z<0 {3,4,5} {4,5,6} {1,1,1}

     z=x1*w1+x2*w2+x3*w3

1. Что такое сверточные сети? Их структура.
2. Что такое «padding» и «stride» и для чего они используется?
3. Свертка 1х1. Назначение слоя max pulling.
4. Современные архитектуры сверточных сетей.