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 :
- Entraîner un réseau à partir de zéro
- Utiliser l'apprentissage par transfert pour entraîner un réseau existant
- 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
