Слайд 3Если в скрытом слое размерность меньше, чем во входном, то используется для
![Если в скрытом слое размерность меньше, чем во входном, то используется для](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/954831/slide-2.jpg)
уменьшения размерности входных данных
А если в скрытом слое больше нейронов, то может использоваться для избавления данных от искажений или в целом генерации данных, подавая на вход шум
Слайд 4Generative adversarial networks(GANs) – соревновательные сети
Используются 2 нейронные сети, одна учится генерировать
![Generative adversarial networks(GANs) – соревновательные сети Используются 2 нейронные сети, одна учится](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/954831/slide-3.jpg)
данные, а вторая(дискриминатор) учится распознавать, реальные ли эти данные, или сгенерированные сетью
Слайд 5Например, генеративная сеть уподобляется фальшивомонетчику или подделывателю картин, а дискриминативная — эксперту который
![Например, генеративная сеть уподобляется фальшивомонетчику или подделывателю картин, а дискриминативная — эксперту](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/954831/slide-4.jpg)
стремится распознать подделку.
В популярном приложении генерации человеческих лиц в качестве подлинных данных выступают реальные фотографии, а генеративная сеть пытается создать искусственные лица, варьируя комбинации таких латентных параметров, как цвет волос, пропорции лица, разрез глаз, форма носа, размер ушей, наличие бороды и усов и т. д
Слайд 6Рекуррентные НС
Идея в том что между нейронами создаются обратные связи, благодаря чему
![Рекуррентные НС Идея в том что между нейронами создаются обратные связи, благодаря](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/954831/slide-5.jpg)
сеть может обрабатывать и запоминать последовательности входов, то есть у нее появляется некоторое подобие кратковременной памяти(например, запоминает порядок слов в предложении чтобы предсказать следующее)
Для этого нужно использовать более сложные нейроны, в которых хранится скрытое состояние(ячейка памяти)
Слайд 9LSTM –long short term memory(подтип реккурентных)
![LSTM –long short term memory(подтип реккурентных)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/954831/slide-8.jpg)