Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
6
SPISTREŚCI
7.SiećradialnaRBF...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..97
7.1.StrukturasieciRBF...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
....
..97
7.2.AlgorytmyuczącesieciRBF...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...98
7.2.1.ZastosowaniealgorytmusamoorganizacjiidekompozycjiSVD...
...
...
...
...
...
...
...99
7.2.2.AlgorytmOLS...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...101
7.3.ProgramkomputerowydouczeniasieciradialnejwMatlabie...
...
...
...
...
...
...
...
...
...
...
...
...104
7.4.PrzykładyzastosowaniasieciRBF...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...106
7.4.1.Aproksymacjafunkcjinieliniowych...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..106
7.4.2.Problem2spiral...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...109
7.4.3.SiećRBFwkalibracjisztucznegonosa...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...110
8.SiećwektorównośnychSVM...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..112
8.1.Wprowadzenie...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.....
..112
8.2.SiećliniowaSVMwzadaniuklasyfikacji...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.113
8.3.SiećnieliniowaSVMwzadaniuklasyfikacji...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..119
8.3.1.InterpretacjamnożnikówLagrange’awrozwiązaniusieci...
...
...
...
...
...
...
...
...
...
...
.125
8.3.2.Problemklasyfikacjiprzywieluklasach...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..126
8.4.SieciSVMdozadańregresji...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...127
8.5.Przeglądalgorytmówrozwiązaniazadaniadualnego...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..130
8.6.ProgramkomputerowyuczeniasieciSVMwMatlabie...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.133
8.7.PrzykładyimplementacjiuczeniasieciSVM...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..134
8.8.PorównaniesieciSVMzinnymirozwiązaniamineuronowymi...
...
...
...
...
...
...
...
...
...
...
...137
9.Siecigłębokie...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.141
9.1.Wprowadzenie...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...141
9.2.SiećkonwolucyjnaCNN...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..142
9.2.1.StrukturasieciCNN...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...142
9.2.2.PodstawoweoperacjewsieciCNN...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...144
9.2.3.UczeniesieciCNN...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..150
9.3.TransferLearning...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.154
9.4.PrzykładużyciasieciALEXNETwtrybietransferlearning...
...
...
...
...
...
...
...
...
...
...
...
...
.157
9.5.Innerozwiązaniapre-trenowanejarchitekturysieciCNN...
...
...
...
...
...
...
...
...
...
...
...
...
...
..167
9.6.SieciCNNdodetekcjiobiektówwobrazie...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...175
9.6.1.SiećYOLO...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..175
9.6.2.SiećR-CNN...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...177
9.6.3.SiećU-NETwsegmentacjiobrazówbiomedycznych...
...
...
...
...
...
...
...
...
...
...
...
..181
9.7.Autoenkoder...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...182
9.7.1.Strukturaautoenkodera...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.182
9.7.2.Funkcjacelu...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...183
9.7.3.Procesuczenia...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...186
9.7.4.Przykładzastosowaniaautoenkoderawkodowaniudanych...
...
...
...
...
...
...
...
...
.188
9.8.Podstawydziałaniaautoenkoderawariacyjnego...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..192
9.9.SiecigeneratywneGAN...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...195
9.10.GłębokiesiecirekurencyjneLSTM...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...198
9.10.1.Wprowadzenie...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..198
9.10.2.ZasadadziałaniasieciLSTM...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.200
