هما کاشفی

آیا تا بحال آرزو کرده‌اید که ای کاش می‌توانستید با کد خود چت کنید و از او بپرسید چه می‌کند و یا شاید حتی آن را متقاعد کنید که کمی بهتر همکاری کند؟ اگر چنین است، رویای شما با ظهور…

شبکه‌های عصبی کانولوشنی (CNN) نوعی از الگوریتم‌های یادگیری عمیق هستند که در انواع مختلف مسائل دنیای واقعی کاربرد دارند. CNNها را می‌توان آموزش داد تا تصاویر را کلاسبندی کنند، اشیای یک تصویر را تشخیص دهند و حتی کلمه‌ی بعدی در…

شبکه عصبی کانولوشنی، یا همان CNN، یک نوع از شبکه های عصبی هست که از مسیر بینایی انسان برای طراحی آن الهام گرفته شده است. این شبکه یکی از معروفترین شبکه های عصبی است و در حوزه های مختلف مورد…

داده، بخش جدایی ناپذیر همه‌ی الگوریتم‌های یادگیری ماشین و یادگیری عمیق است. داده همان چیزی است که الگوریتم‌های پیچیده را به سمت عملکردهای پیشرفته و بهبودیافته سوق می‌دهد. با این حال، اگر قصد دارید مدل‌های هوش مصنوعی واقعاً قابل اعتماد…

چطور از اشتباهات مبتدیان یادگیری عمیق اجتناب کنیم؟ اگر به دنبال آن هستید که تسک خود را با مدل‌های مبتنی بر یادگیری ماشین پیاده‌سازی کنید، احتمالاً متوجه شده‌اید که مدل‌های یادگیری ماشین و پیاده‌سازی‌های زیادی وجود دارند که ممکن است…

برنامه های جدید قدرت گرفته از هوش مصنوعی با وجود آنکه می توانند تصاویری تولید کنند که تشخیص غیرواقعی بودن آنها برایمان مشکل است اما هنوز در تولید تصاویر دست انسان نقطه ضعف بالایی دارند. در این پست به بررسی…

این پروژه، دیتاست‌هایی در رابطه با ساختار، عملکرد و اتصالات مغز بیش از 1000 فرد مورد مطالعه سالم را در اختیار قرار می‌دهد. پروژه HCP برای اکتساب داده از اسکنرهای بهبود یافته، توالی پالس برای تصاویر با کیفیت بالا استفاده…

زمانی که مقاله‌ی R-CNN از UC Berkely در سال 2014 منتشر شد، هیچ کس نمی‌توانست تأثیر آن را در سال‌های بعدی پیش بینی کند. در این مقاله، نویسندگان یک مفهوم پایه را برای تمام شبکه‌های تشخیص شی مدرن معرفی کرده‌اند:…

به مرور که الگوریتم‌های یادگیری ماشین پیچیده‌تر می‌شوند، تفسیرپذیری یادگیری ماشین اهمیت فزاینده‌ای پیدا می‌کند. اگر الگوریتم‌های یادگیری ماشین شما قابل توضیح نباشند، احتمال پذیرش آنها توسط دیگران هم کمتر است. مدل‌های با عملکرد پایین‌تر اما قابل توضیح (مانند رگرسیون…

Andrew NG یکی از پیشگامان هوش مصنوعی پیش کرده است که دهه‌ی آینده شاهد هوش مصنوعی داده محور خواهد بود. اگر تنها 50 نمونه‌ داده‌ی خوش ساخت داشته باشیم، ممکن است دیگر به میلیون‌ها نمونه داده‌ی نویزی نیاز نداشته باشیم.

استفاده مجدد از یک مدل از پیش آموخته شده برای یک مسئله‌ی جدید، یادگیری انتقالی نام دارد. مفهوم یادگیری انتقالی به طور خاص در یادگیری عمیق بسیار محبوب است زیرا این قابلیت را دارد که شبکه‌های عصبی عمیق را با…

اخیراً OpenAI با توسعه‌ی آخرین مدل زبانی خود GPT-4 بسیاری از تولید کنندگان محتوا را مشتاق آزمایش قابلیت‌های جدید هوش مصنوعی کرده است. با این حال GPT-4 در حال حاضر برای عموم در دسترس نیست و فقط برای مشترکینی که…