Veja nesta aula noções sobre cálculo de dimensões de entrada e saída em redes neurais convolucionais. A aula faz parte do curso "Deep Learning Prático com TensorFlow e Python". O
Introdução a Redes Neurais Convolucionais
Veja nesta aula noções introdutórias sobre redes neurais convolucionais. A aula faz parte do curso "Deep Learning Prático com TensorFlow e Python". O curso está disponível para assinantes IA Expert
A importância do bias nas redes neurais
As redes neurais são camadas de matrizes contendo valores de pesos e bias, que são inicializados de forma aleatória, e que são ajustados durante o treinamento para modelar o problema
Algoritmos bioinspirados
Dada sua complexidade e funcionamento, a natureza, em particular, os seres vivos e processos biológicos, vêm fornecendo muitas inspirações para algoritmos usados na computação executarem tarefas bem sucedidas. Abaixo são
Usando algoritmos genéticos em redes neurais
Para resolver problemas matemáticos de forma computacional, os algoritmos genéticos eram muito populares há alguns anos, mas recentemente foram suplantados pela maior versatilidade das redes neurais. Entretanto, as duas abordagens
Redes neurais baseadas em conhecimento permitem a interpretação de processos biológicos
A área de deep learning tem se mostrado muito útil na predição de fenômenos biológicos complexos, como os fenótipos originados de dados genômicos. Entretanto, sua aplicação é bastante limitada na
Os tipos de redes neurais
Todos aqueles que andam já há algum tempo pelo mundo da inteligência artificial conhecem a história: as redes neurais foram inventadas lá pela década de 1950, mas foram deixadas de
PyTorch: biblioteca com novas funcionalidades para redes neurais
O PyTorch é um projeto open-source cujo principal desenvolvedor é o laboratório de Pesquisa em AI do Facebook (FAIR, Facebook's AI Research). Ele foi escrito usando uma combinação de Python,
Método desenvolvido pelo Google Brain ajuda a interpretar as decisões de redes neurais
À medida que novos modelos de machine learning são desenvolvidos, os ganhos em desempenho têm aumentado significativamente. Entretanto, se os modelos mais complexos têm servido à tarefa de fazer classificações
Aprenda para Crescer: um novo framework para aprendizado continuado em redes neurais
Quando nós aprendemos novas tarefas, não nos esquecemos de tarefas aprendidas anteriormente. Pelo contrário: novos conhecimentos podem aumentar a eficiência de conhecimentos anteriores, ainda que eles sejam pouco relacionados. Pense
