Сортировать:

 По месту проведения | | Все курсы | По месту проведения | По дате начала

Моделирование с помощью нейронных сетеи


Описание курса

В этом курсе объясняются алгоритмы для построения искусственных нейронных сетей - многослойного персептрона и радиально-базисной сети, а также изучается их практическое применение. Курс содержит теоретические и практические вопросы построения нейронных сетей. В частности, как выбрать подходящую архитектуру нейронной сети, как определить подходящий метод обучения, как использовать процедуру NEURAL для создания пользовательских нейронных сетей.

Слушатели этого курса научатся:

  • Создавать нейронные сети - радиально-базисную и многослойный персептрон.
  • Выбирать подходящую архитектуру нейронной сети и обучающий метод.
  • Избегать переобучения нейронных сетей
  • Выполнять авторегрессионный анализ временных рядов с помощью нейронных сетей.
  • Интерпретировать модели нейронных сетей.

Аудитория

Аналитики данных и специалисты, занимающиеся статистическим моделированием, с хорошей математической подготовкой.

Требуемый уровень подготовки

Для прохождения этого курса вам необходимо знать основные статистические понятия. Эти навыки вы можете получить на курсе Statistics I: Introduction to ANOVA, Regression, and Logistic Regression. Также нужно знать основы программирования на языке SAS в рамках курса Программирование на языке SAS. Часть 1: Основы. Необходимы навыки работы с SAS Enterprise Miner (в рамках курса Applied Analytics Using SAS Enterprise Miner Part1), знание основ математического анализа.

Программа курса:

    Введение в нейронные сети

  • Использование процедуры NLIN для построения нелинейной регрессии
  • Использование процедуры REG для построения полиномиальной регрессии
  • Использование процедуры GPLOT для построения непараметрической регрессии

    Архитектура нейронной сети

  • Многослойный персептрон
  • Радиально-базисная нейронная сеть

    Обучение модели

  • Статистическая теория функций ошибок
  • Преимущества и недостатки численных методов оптимизации
  • Избегание локальных минимумов (целевой функции)

    Процедура NEURAL

  • Выбор входных переменных с помощью интерпретации весов
  • Выбор входных переменных с использованием отсечения, основанного на чувствительности (sensitivity-based pruning)

    Augmented Networks

  • Определение и пример использования нейронной сети с встречнонаправленным распространением (counterpropagation network)
  • Определение обобщенной аддитивной нейронной сети (GANN)
  • Пример использования GANN и её сравнение с другими методами
  • Определение и пример использования суррогатной модели – как можно понять предсказания нейронной сети

     

Код курса Дата начала Длительность
DMNN 2 дня

 

 
www.sas.com | support.sas.com
Terms of Use & Legal Information | Privacy Statement