OBUČAVANJE DUBOKIH NEURONSKIH MREŽA VOĐENO PROSTOROM ZNANJA

Andrej Hložan; Milan Segedinac

doi:10.24867/24BE18Hlozan

Andrej Hložan
Milan Segedinac docent

DOI: https://doi.org/10.24867/24BE18Hlozan

Ključne reči: Teorija prostora znanja, Učenje po kurikulumu, Mašinsko učenje, Duboko učenje, Veštačke neuronske mreže

Apstrakt

U ovom radu opisan je klasifikacioni problem u oblasti dubokog učenja, kako se taj problem rešava danas i predstavljena je jedna ideja kako bi se rešavanje ovakvog problema moglo unaprediti. Opisan je jedan od najpopularnijih algoritama za optimizaciju veštačkih neuronskih mreža – Stohastički gradijentni pad. Opisana je i implementirana ideja kako bi se ovaj optimizacioni algoritam mogao unaprediti pomoću tehnika iz oblasti Teorije prostora znanja i učenja po Kurikulumu (planu i programu) na osnovu generisanog prostora znanja.

Reference

[1] Jean-Claude Falmagne, Jean-Paul Doignon: “Learning Spaces”, 2011.
[2] Christina Stahl, Cord Hockemeyer: “Knowledge Space Theory”, 2022.
[3] Yoshua Bengio, Ian Goodfellow, Aaron Courville: “Deep learning”, 2015.
[4] Yoshua Bengio, Jerome Louradour, Ronan Collobert, Jason Weston: “Curriculum learning”, 2009.
[5] Milan Segedinac: https://github.com/milansegedinac/kst , 2023.