Biblioteka Architektur AI
1. Klasyczne i podstawowe (MLP)
Perceptron
Najprostsza, bazowa jednostka; sieć jednowarstwowa.
Multilayer Perceptron
Klasyczna sieć wielowarstwowa do danych tabelarycznych.
2. Przetwarzanie obrazu i wizja (CNN)
LeNet-5
Jedna z pierwszych sieci do rozpoznawania cyfr.
AlexNet
Przełomowa sieć, która zapoczątkowała erę Deep Learningu.
VGGNet
Głęboka architektura oparta na małych filtrach.
ResNet
Wprowadziła "połączenia skrótowe", pozwalając na budowę setek warstw.
YOLO
Detekcja obiektów w czasie rzeczywistym.
3. Przetwarzanie sekwencji i tekstu
RNN
Podstawowe sieci z pętlami do danych czasowych.
LSTM
Rozwiązuje problem zapominania w długich tekstach.
GRU
Uproszczona i szybsza wersja LSTM.
Transformers
Fundament ChatGPT, oparty na mechanizmie Attention.
4. Modele generatywne
GAN
Dwie sieci walczą ze sobą, by tworzyć realistyczne obrazy.
VAE
Służą do kompresji danych i generowania nowych próbek.
Diffusion Models
Algorytmy stojące za Midjourney i DALL-E.
5. Uczenie nienadzorowane
SOM
Mapy Kohonena do redukcji wymiarowości.
Autoenkodery
Sieci uczące się efektywnej reprezentacji danych.
Hopfield Network
Sieci służące jako pamięć asocjacyjna.
6. Kluczowe algorytmy
Backpropagation
Wsteczna propagacja błędu - podstawa uczenia.
Adam
Najczęściej wybierany optymalizator.
RMSprop
Skuteczny w sieciach RNN.
SGD
Stochastyczny spadek wzdłuż gradientu.