Структурные модели и глубинное обучение (регулярный семинар)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Научные руководители семинара)
(Прошедшие заседания)
Строка 27: Строка 27:
Заседание 2 (26 октября)
Заседание 2 (26 октября)
-
:::*
+
:::* Автоматические методы выбора структуры нейронных сетей
:::* Практические особенности построения нейросетевых моделей в конкретных приложениях
:::* Практические особенности построения нейросетевых моделей в конкретных приложениях

Версия 11:32, 25 октября 2015

Содержание

Описание семинара:

Deep Learning – это разновидность машинного обучения, в основе которой лежат нейронные сети. Сегодня на использовании «глубинного обучения» строятся системы распознавания речи, распознавание визуальных объектов (как статических, так и движущихся) и, наконец, взаимодействие компьютерных систем с естественным языком и вычленение смыслов. Многие ученые считают Deep Learning революцией в машинном обучении, см. например, интервью с директором Facebook по искусственному интеллекту Яном Лекуном (Yann LeCun) (перевод)

Цели исследований соответствующей научной группы:

  1. Разработка новых алгоритмов глубинного обучения (Deep Learning),
  2. Решение прикладных задач с использованием методов Deep Learning (автоматическое описание изображений/видео, описание 3D формы, анализ нейро-данных, анализ медицинских изображений, и т.п.),
  3. Теоретические анализ моделей Deep Learning, в т.ч. и с использованием теории структурных моделей

Время заседаний:

Регулярный семинар, проводится в ИППИ РАН по понедельникам в 18-30, ауд. 615.

Научные руководители семинара

Е.В. Бурнаев и В.Г. Спокойный

Организатор семинара

Совместный учебно-научный семинар магистерской программы Математические методы оптимизации и стохастики Факультета Компьютерных наук НИУ ВШЭ, Института проблем передачи информации РАН и Лаборатории ПреМоЛаб МФТИ. Куратор семинара Евгений Бурнаев (профили в НИУ ВШЭ и на MathNet.ru)

Прошедшие заседания

Заседание 1 (19 октября)

  • Введение в нейронные сети: обзор основных математических моделей нейронных сетей, приложения
  • Программные библиотеки для моделирования нейронных сетей, туториалы к ним

Заседание 2 (26 октября)

  • Автоматические методы выбора структуры нейронных сетей
  • Практические особенности построения нейросетевых моделей в конкретных приложениях

Ссылки

Некоторые ссылки:

  1. Библиография работ по Deep Learning
  2. Книга «Deep Learning» авторов Yoshua Bengio, Ian Goodfellow and Aaron Courville
  3. Deep Learning Tutorial by Ruslan Salakhutdinov at the KDD-2014
  4. Course: Convolutional Neural Networks for Visual Recognition
  5. Composing music with recurrent neural networks
  6. A Neural Algorithm of Artistic Style
  7. Using Deep Reinforcement Learning to Play Chess
  8. Просто полезный сайт deeplearning.net

Программные библиотеки:

  1. Theano - питоновский тулбокс для символьных вычислений
  2. упражнения по Theano
  3. https://github.com/Lasagne/Lasagne Lasagne
  4. Tutorial for Lasagne
  5. Nolearn (обертка для упрощения работы с Lasagne)
  6. Хороший туториал, в котором отражены многие аспекты практического использования глубокого обучения
  7. Онлайн книжка, которая по большому счету является одним длинным туториалом. В начале идет достаточно подробное введение в концепцию классических нейронных сетей, а в последней главе обсуждаются некоторые элементы глубокого обучения и дан хороший набор ссылок на другие материалы по глубокому обучению.
  8. Если у вас нет графической карточки, то можно пользоваться амазоновскими кластерами с графическими карточками. При использовании spot instances (google it!) стоимость instance с 1 графической карточкой составляет примерно 10-12 центов в час. Вот небольшой мануал на тему установки необходимого софта на AWS (его же можно использовать и для установки на свои машины)
Личные инструменты