هما کاشفی

دانش حل مسئله مهم‌تر است یا مهارت در برنامه نویسی؟ این پرسش از سال‌ها قبل مطرح شد و هنوز هم یک چالش مهم و عمده به حساب می‌آید. می‌توان گفت حل مسائل، عنصر مرکزی در علوم کامپیوتر است. برنامه نویسان…

می‌خواهید حرفه‌ی یادگیری عمیق خود را آغاز کنید؟ یادگیری عمیق می‌تواند یک حوزه‌ی پیچیده و دلهره آور برای تازه واردان باشد. مفاهیمی مانند لایه‌های پنهان، شبکه‌های عصبی کانولوشنال، پس انتشار خطا و مسائل جدیدی که هر روزه مطرح می‌شوند و…

با توجه به اینکه تمرکز اصلی حوزه‌ی یادگیری ماشین «یادگیری» است، انواع مختلف یادگیری وجود دارد که باید به عنوان متخصص به آنها مسلط باشیم. برخی از انواع یادگیری، زیرمجموعه‌هایی دارند که شامل انواع مختلف الگوریتم‌هاست مانند «یادگیری با ناظر».…

سال‌ها پیش، ما هنوز از دیتاست‌های کوچکی مثل CIFAR, NORB استفاده می‌کردیم که متشکل از ده‌ها هزار تصویر بودند. این دیتاست‌ها برای مدل‌های یادگیری ماشین مناسب بودند تا تسک‌های تشخیص ساده را یاد بگیرند. با این حال، زندگی واقعی هرگز…

ما به دلایل متعددی به هنر روی می آوریم: برای بیان عاطفه یا احساس، برای یادآوری رویدادها و احساسات گذشته، برای ارتباط برقرار کردن و برای تحصیل. به طور خلاصه، هنر چیزی است که خلق می‌کنیم تا بدانیم چه کسی…

اگر بخواهیم تفاوت اصلی لایه‌های کانولوشن را با لایه‌های معمول شبکه‌های عصبی بیان کنیم، می‌توانیم بگوییم لایه‌های Dense الگوهای global را در فضای ویژگی ورودی خود یاد می‌گیرند در حالیکه لایه‌های کانولوشن الگوهای local را یاد می‌گیرند. برای مثال یک…

اگر تابحال از Apple’s Siri و Google voice search یا Google Translate استفاده کرده‌اید، باید بدانید که این اپلیکیشن‌ها از شبکه‌های عصبی بازگشتی (RNN) استفاده می‌کنند که جدیدترین الگوریتم‌ها برای داده‌های توالی هستند. RNN اولین الگوریتمی است که به دلیل…

ممکن است شبکه‌های عصبی عظیم، گزینه‌ی مناسبی برای پروژه‌ی شما باشند اما نگران روند آموزش آنها باشید. شبکه‌های عصبی بزرگ، مرکز اصلی پیشرفت‌های اخیر در هوش مصنوعی هستند، اما آموزش این شبکه‌ها چالش پژوهشی و مهندسی دشواری است که مستلزم…

مطالعات فرسایشی به طور سیستماتیکی سعی می‌کنند که بخش‌هایی از یک سیستم را حذف کنند، تا شناسایی کنند که عملکرد اصلی مدل دقیقاً از کجا می‌آید. اگر شما بدانید که X+Y+Z نتایج خوبی می‌دهد، X, Y, Z, X+Y, X+Z و…

شبکه‌های عصبی چه قابلیت‌هایی دارند که الگوریتم‌های یادگیری ماشین فاقد آنها هستند؟ از طرف دیگر، با وجود آنکه شبکه‌های عصبی به حجم زیادی داده نیاز دارند، آیا استفاده از این شبکه‌ها، ارزشش را دارد؟! در این پست، سه مدل شبکه…

الگوریتم CSP (فیلتر مکانی مشترک) روشی برای طبقه بندی سیگنال EEG مبتنی بر تصور حرکتی است. این الگوریتم با وجود کارایی خوبی که نسبت به سایر روش‌های استخراج ویژگی دارد اما با ایراداتی چون احتمال بالای overfitting روبروست که می‌تواند…

در مقاله‌ای جدید ارائه شده توسط آقای Xiangmin Lun  و همکارانشان (2020) یک شبکه عصبی کانولوشنی (CNN)، سیگنال EEG تصور حرکتی خام را کلاسبندی می‌کند بدون اینکه هیچ گونه پیش پردازشی روی دیتای EEG انجام شود و یا عملیات استخراج…