
|
Математическая модель искусственного нейрона, активационные характеристики нейронов, стохастический нейрон, нейронные сети прямого распространения, математическая модель многослойной нейронной сети, универсальная аппроксимационная теорема, нейронная сеть как универсальный аппроскиматор
|
|

|
Data-driven и model-based подходы к построению моделей, функция потерь, теоретический и эмпирический риск, принцип минимизации эмпирического риска, постановка задачи обучения многослойной нейронной сети
|
|

|
Основные классы задач, решаемых с помощью многослойных нейронных сетей: регрессия и классификация, квадратичная функция потерь, статистический взгляд на задачу классификации, вероятностная модель данных, оценивание параметров модели, метод максимального правдоподобия, бинарная и категориальная кросс-энтропия
|
|

|
Расчёт градиента функции потерь, chain rule, метод обратного распространения ошибки (backpropagation algorithm), двойственные потенциалы нейронов, сеть обратного распространения, градиенты квадратичной функции потерь и кросс-энтропии
|
|