نتایج جستجو
شبکه عصبی PNN (جلسه 10)
در این جلسه شبکه عصبی معروفPNN را طبق دو مقاله تخصصی آموزش داده و سپس مرحله به مرحله پیاده‌سازی میکنیم تا با پیاده‌سازی مقالات تخصصی نیز آشنا شوید. این شبکه از لحاظ تصمیم‌گیری شباهت زیادی با طبقه‌بند بیزین دارد و…
محمد نوری زاده چرلو 
شبکه عصبی ELM (جلسه نهم)
در این جلسه تئوری یادگیری شبکه عصبی ELM را طبق مقاله به زبان ساده توضیح داده و سپس به صورت مرحله به مرحله در متلب پیاده‌سازی کرده‌ایم. و در انتها برای اینکه با کارایی این مدل آشنا شوید چندین پروژه عملی…
شبکه عصبی RBF(جلسه هشتم)
در این جلسه شبکه عصبی توابع شعاعی پایه(radial basis function) را آموزش میدهیم. شبکه عصبی rbf یک شبکه عصبی 3 لایه است که از یک لایه پنهان تشکیل شده است. از قضیه جالب کاور برای حل مسائل پیچیده و غیرخطی…
mlp با قانون یادگیری دلتا بار دلتا (جلسه هفتم)
برای اینکه نرخ یادگیری بهینه ای داشته باشیم لازم است که در جاهایی که شیب خطا در چند تکرار متوالی یکسان است نرخ یادگیری به صورت خطی و آهسته زیاد کنیم و از طرفی زمانی که علامت مشتق تابع هزینه…
MLP با قانون یادگیری دلتا دلتا (جلسه ششم)
در ابتدای این جلسه شروط مورد نیاز جهت تعیین نرخ یادگیری بهینه را توضیح میدهیم . سپس تئوری الگوریتم یادگیری دلتا دلتا را توضیح داده و در نهایت در متلب به صورت گام به گام پیاده‌سازی میکنیم. و ایرادات اساسی…
تعیین نرخ یادگیری پس انتشار خطا (جلسه پنجم)
در این جلسه چالش‌های تعیین نرخ یادگیری را توضیح میدهیم و در ادامه چند روش ساده از قبیل ترم ممنتوم، search then converge و time variant را برای تعیین نرخ یادگیری طبق مطالب کتاب ارائه میدهیم و در متلب پیاده‌سازی…
شبکه عصبی پرسپترون چندلایه (جلسه چهارم)
در این جلسه تئوری الگوریتم پس انتشار خطا کامل توضیح داده می‌شود و در نهایت در متلب مرحله به مرحله پیاده‌سازی شده و چندین مثال ساده جهت درک بهتر روند یادگیری شبکه عصبی پرسپترون چندلایه انجام میدهیم و در نهایت…
شبکه عصبی آدالاین و قانون یادگیری lms (جلسه سوم)
قانون یادگیری پرسپترون دو ایراد اساسی دارد. در این جلسه الگوریتم حداقل مربعات خطا( Least means square error ) را معرفی میکنیم و ایرادات قانون یادگیری پرسپترون را حل میکنیم. الگوریتم LMS به جای اینکه دنبال خطای صفر باشد، دنبال…
پیاده سازی شبکه عصبی پرسپترون تک لایه (جلسه دوم)
در این جلسه تئوری شبکه‌عصبی پرسپترون تک لایه را توضیح داده و سپس در متلب گام به گام پیاده‌سازی میکنیم. این شبکه ساده‌ترین نوع شبکه عصبی است که برای کلاسبندی داده‌های خطی استفاده می‌شود. در این جلسه مثالهای مخلتفی انجام…
نورون و اجزای آن (جلسه اول)
در‌این جلسه خواص مغز انسان را توصیف کرده و فرق آن با کامپیوترهای دیجیتال توضیح میدهیم و در نهایت بررسی میکنیم که چرا مغز انسان تا این حد توانمند است. یکی از خصوصیات مغز انسان یادگیری و ذخیره اطلاعات است.…
نظرات شرکت‌کنندگان دوره‌ها
[vc_column width=”1/4″][vc_column width=”1/4″] [vc_column width=”1/4″] [vc_column width=”1/4″]
مهتاب فرجی 