工研院 與 資策會聯手創造產業新契機~
數位轉型系列講座:
📌【免費】深度學習及其於自駕車之應用研討會~確定開課!
【活動日期】2018 年 11 月 29 日
【活動時間】02:00PM ~ 04:00PM
【活動地點】工研院光復院區
【活動地址】新竹市光復路2段321號1館8樓806室
【大綱】
📌CNN:卷積神經網路(Convolutional Neural Network)
一般使用縮寫CNN來稱呼,它與傳統的多層感知網路最大的差異在於多了卷積及池化這兩層,也就是因為這兩層而讓CNN擁有能夠「看」到圖像(或語音)細節的能力,而非像其它神經網路只是單純的提取資料進行運算,無怪乎近年所舉辦的視覺競賽,優勝者幾乎都是採用深度學習的CNN架構,本次我們將介紹CNN於物體偵測、影像分割上的經典模型,以及其在自駕車的應用上有什麼限制。
📌GAN:生成式對抗網路 (Generative Adversarial Network, GAN)
顯然是深度學習領域的下一個熱點,Yann LeCun 說這是機器學習領域這十年來最有趣的想法 (the most interesting idea in the last 10 years in ML),又說這是有史以來最酷的東西 (the coolest thing since sliced bread)。生成式對抗網路解決了什麼樣的問題呢?在機器學習領域,回歸 (regression) 和分類 (classification) 這兩項任務的解法人們已經不再陌生,但是如何讓機器更進一步創造出有結構的複雜物件 (例如:圖片、文句) 仍是一大挑戰。用生成式對抗網路,機器已經可以畫出以假亂真的人臉,也可以根據一段敘述文字,自己畫出對應的圖案,但在自駕車上又會有怎麼樣的應用呢?
📌RNN:循環神經網絡(Recurrent Neural Networks,RNNs)
已經在眾多自然語言處理(Natural Language Processing, NLP)中取得了巨大成功以及廣泛應用,近幾年來其與CNN之整合亦產生了許多有趣的應用,例如Image Captioning,這樣的技術甚至可以運用在道路事件的預測,但這樣的技術如何實踐?
【內容】
在自駕車領域,許多科技大廠投入相當多金錢人力研發相關技術,其中運用人工智慧領域中的深度學習技術是其中顯學,本講座即對目前深度學習技術在自駕車領域的進展進行介紹。
【報名網址】
https://w3.iiiedu.org.tw/BSDetail.php?BSC=392
-----------------------
🔥🔥其它精選推薦課程~
✔【確定開課】公差設計與量測應用工程師培訓班 (28H)
https://goo.gl/6CcEGE
----
✔【確定開課】ANSYS結構分析技術師 (36H)
https://goo.gl/LZ43dY
----
✔【專業射出人員培訓認證班】(24H)
https://goo.gl/NSvKTW
*****************
✳️歡迎加入LINE好友!隨手掌握最新課程資訊:http://line.me/ti/p/%40cco1893w
「generative adversarial networks介紹」的推薦目錄:
generative adversarial networks介紹 在 工研院科技學習 讚 Facebook 的最讚貼文
工研院 與 資策會聯手創造產業新契機~
數位轉型系列講座:
📌【免費】深度學習及其於自駕車之應用研討會~確定開課!
【活動日期】2018 年 11 月 29 日
【活動時間】02:00PM ~ 04:00PM
【活動地點】工研院光復院區
【活動地址】新竹市光復路2段321號1館8樓806室
【大綱】
📌CNN:卷積神經網路(Convolutional Neural Network)
一般使用縮寫CNN來稱呼,它與傳統的多層感知網路最大的差異在於多了卷積及池化這兩層,也就是因為這兩層而讓CNN擁有能夠「看」到圖像(或語音)細節的能力,而非像其它神經網路只是單純的提取資料進行運算,無怪乎近年所舉辦的視覺競賽,優勝者幾乎都是採用深度學習的CNN架構,本次我們將介紹CNN於物體偵測、影像分割上的經典模型,以及其在自駕車的應用上有什麼限制。
📌GAN:生成式對抗網路 (Generative Adversarial Network, GAN)
顯然是深度學習領域的下一個熱點,Yann LeCun 說這是機器學習領域這十年來最有趣的想法 (the most interesting idea in the last 10 years in ML),又說這是有史以來最酷的東西 (the coolest thing since sliced bread)。生成式對抗網路解決了什麼樣的問題呢?在機器學習領域,回歸 (regression) 和分類 (classification) 這兩項任務的解法人們已經不再陌生,但是如何讓機器更進一步創造出有結構的複雜物件 (例如:圖片、文句) 仍是一大挑戰。用生成式對抗網路,機器已經可以畫出以假亂真的人臉,也可以根據一段敘述文字,自己畫出對應的圖案,但在自駕車上又會有怎麼樣的應用呢?
📌RNN:循環神經網絡(Recurrent Neural Networks,RNNs)已經在眾多自然語言處理(Natural Language Processing, NLP)中取得了巨大成功以及廣泛應用,近幾年來其與CNN之整合亦產生了許多有趣的應用,例如Image Captioning,這樣的技術甚至可以運用在道路事件的預測,但這樣的技術如何實踐?
【內容】
在自駕車領域,許多科技大廠投入相當多金錢人力研發相關技術,其中運用人工智慧領域中的深度學習技術是其中顯學,本講座即對目前深度學習技術在自駕車領域的進展進行介紹。
【報名網址】
https://w3.iiiedu.org.tw/BSDetail.php?BSC=392
-----------------------
🔥🔥其它精選推薦課程~
✔【確定開課】公差設計與量測應用工程師培訓班 (28H)
https://goo.gl/6CcEGE
----
✔【確定開課】ANSYS結構分析技術師 (36H)
https://goo.gl/LZ43dY
----
✔【專業射出人員培訓認證班】(24H)
https://goo.gl/NSvKTW
*****************
✳️歡迎加入LINE好友!隨手掌握最新課程資訊:http://line.me/ti/p/%40cco1893w