Sieci konwolucyjne i sekwencyjne

Convolutional and recurrent networks · id cnn

Architektury do struktury przestrzennej i sekwencji.

Architectures for spatial structure and sequences.

In one sentence

To sieci, które wykorzystują układ sąsiednich elementów obrazu lub kolejność danych w czasie.

These networks use neighbouring image structure or the order of data over time.

W zdjęciach i nagraniach położenie oraz kolejność mają znaczenie, które ginie przy traktowaniu danych jak luźnej listy.

In photos and recordings, position and order matter but can be lost when data is treated as an unrelated list.

Jedne sieci przesuwają wspólne filtry po obrazie, inne przekazują pamięć między krokami sekwencji; dobór zależy od struktury zadania.

Some networks slide shared filters over an image; others pass memory between sequence steps, depending on the task's structure.

Aplikacja wykorzystuje filtry do wykrywania wzorów na zdjęciu, a model sekwencyjny analizuje zmiany dźwięku w nagraniu.

An app uses filters to detect image patterns, while a sequence model analyses sound changes in a recording.

Głębokie architektury konwolucyjne (ResNet, U-Net) (Deep convolutional architectures (ResNet, U-Net)): Families of convolutional architectures: from LeNet, AlexNet and VGG through ResNet with residual connections to U-Net — an encoder-decoder with connections between corresponding levels, used for segmentation and as the backbone of some diffusion models.
LSTM i GRU — sieci z bramkami pamięci (LSTM and GRU (gated recurrent networks)): Recurrent networks with gating mechanisms that control how information flows into and remains in hidden state. LSTM uses a separate cell state with input, forget and output gates; GRU combines some of these mechanisms in a simpler design with reset and update gates.
Sieci rekurencyjne (RNN) (Recurrent neural networks (RNN)): Networks that process a sequence step by step while carrying a hidden state from the previous step. Classical RNNs can struggle to learn long dependencies because gradients vanish or explode; LSTMs and GRUs mitigate the problem, and transformers have replaced RNNs in many text tasks.
Splot, filtry i pooling (Convolution, filters and pooling): The basic operations of a convolutional network: small filters slide over the image and detect local patterns (edges, textures), and pooling reduces feature-map resolution. Filter size, stride and padding determine the output shape.

Stanford CS336 · Language Modeling from Scratch (2025) · reference: Budowa modeli, dane, trening, systemy, inferencja i post-training.
Stanford CS231n · Computer Vision (2026) · reference: Sieci neuronowe i rozumienie obrazów.
Stanford CS229 · Machine Learning (2018, archiwum) · reference: Klasyczne ML, statystyka i podstawy uczenia. Użyte jako stabilny szkielet, nie przegląd nowości.