Mise en pratique du Deep Learning avec MATLAB

Vous maîtrisez les bases théoriques du Deep Learning ? Passez à la mise en pratique avec MATLAB^® ! Téléchargez cet ebook et découvrez 3 approches permettant d’entraîner des réseaux de neurones, à l’aide d’un exemple basé sur la classification d’images :

1. Entraîner un réseau à partir de zéro
2. Utiliser l'apprentissage par transfert pour entraîner un réseau existant
3. Adapter un réseau pré-entraîné pour la segmentation sémantique

Vous pourrez également accéder à deux exemples montrant comment les modèles de Deep Learning peuvent être appliqués à des séries temporelles ou à des signaux.

Lire l'ebook et découvrez comment :

• Créer et configurer les couches du réseau
• Adapter les architectures du réseau, y compris le réseau de neurones à convolution (CNN), le graphe orienté acyclique (DAG) et le long short-term memory (LSTM)
• Sélectionner les meilleures options d'apprentissage et algorithmes
• Utiliser l'augmentation de données et l'optimisation bayésienne pour améliorer l'exactitude du modèle
• Incorporer des spectrogrammes pour la reconnaissance vocale