Analiza wybranych sieci neuronowych - GCN, VGG i BNN

Prelegent: 

Kamil Książek

Data: 

30/07/2019 - 12:00

W czasie seminarium omówione zostaną wybrane rodzaje sztucznych sieci neuronowych: grafowe sieci konwolucyjne (Graph Convolutional Networks), sieć konwolucyjna VGG-16 oraz binarne sieci neuronowe (Binary Neural Networks). Sieci grafowe mogą być wykorzystane w uczeniu półnadzorowanym m.in. w zadaniu klasyfikacji wierzchołków w grafie. Architektura VGG-16 zostala zdefiniowana przez Visual Geometry Group. Jest to typowa sieć konwolucyjna stosowana do klasyfikacji obrazów. Z kolei główną zaletą sieci binarnych jest niewielki rozmiar wyuczonego modelu, co umożiwia jego zastosowanie w urządzeniach o niewielkiej mocy obliczeniowej. Wynika to z faktu, że wagi połączeń pomiędzy neuronami występują jedynie w postaci binarnej.

Historia zmian

Data aktualizacji: 22/07/2019 - 10:29; autor zmian: Kamil Książek (kksiazek@iitis.pl)

W czasie seminarium omówione zostaną wybrane rodzaje sztucznych sieci neuronowych: grafowe sieci konwolucyjne (Graph Convolutional Networks), sieć konwolucyjna VGG-16 oraz binarne sieci neuronowe (Binary Neural Networks). Sieci grafowe mogą być wykorzystane w uczeniu półnadzorowanym m.in. w zadaniu klasyfikacji wierzchołków w grafie. Architektura VGG-16 zostala zdefiniowana przez Visual Geometry Group. Jest to typowa sieć konwolucyjna stosowana do klasyfikacji obrazów. Z kolei główną zaletą sieci binarnych jest niewielki rozmiar wyuczonego modelu, co umożiwia jego zastosowanie w urządzeniach o niewielkiej mocy obliczeniowej. Wynika to z faktu, że wagi połączeń pomiędzy neuronami występują jedynie w postaci binarnej.