شبکه‌های عصبی
دوره جامع و پروژه محور کاربرد شبکه های عمیق در بینایی ماشین
بینایی ماشین (machine Vision) تکنولوژی و روش‌هایی برای تحلیل و بررسی خودکار مبتنی بر تصویر است. این حوزه شامل تمام متدهایی می‌شود که اطلاعات به صورت خودکار از تصویر استخراج می‌شوند. این دوره پروژه محور بر تسک‌های مهم در بینایی…
۱,۱۱۹,۰۰۰ تومان
افزودن به سبد خرید
دوره جامع و پروژه محور شبکه عصبی بازگشتی RNN
یکی از شبکه‌های معروف یادگیری عمیق (Deep Learning)، شبکه عصبی بازگشتی (RNN) است. این شبکه‌ها برای داده‌هایی مناسب هستند که ماهیت توالی یا سری زمانی دارند. این دوره‌ی پروژه محور با مقدمه‌ای بر مفاهیم مورد نیاز برای درک یادگیری عمیق…
۵۸۰,۰۰۰ تومان
افزودن به سبد خرید
دوره جامع و پروژه محور شبکه عصبی کانولوشنی (Convolutional Neural Network)
یادگیری عمیق (Deep Learning) یکی از حوزه‌های جذاب و پرکاربرد هوش مصنوعی است. در این دوره بر یکی از معروف‌ترین شبکه‌های عمیق به نام شبکه‌‌ی عصبی کانولوشنی (CNN) تمرکز شده است. در این دوره‌ی پروژه محور ابتدا مفاهیم اولیه و…
۳۶۰,۰۰۰ تومان
افزودن به سبد خرید
پکیج کامل پیاده‌سازی گام به گام شبکه‌های عصبی
در دوره جامع شبکه عصبی تمامی شبکه‌های عصبی صفر تا صد آموزش داده شده و سپس مرحله به مرحله بدون اینکه از تولباکس آماده استفاده کنیم، پیاده سازی می‌شوند. برای اینکه بتوانید یک شبکه‌ای را در متلب پیاده‌سازی کنید لازم…
۷۲۰,۰۰۰ تومان
افزودن به سبد خرید
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…
۲۶۰,۰۰۰ تومان
افزودن به سبد خرید
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…
۲۶۰,۰۰۰ تومان
افزودن به سبد خرید
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…
۲۴۰,۰۰۰ تومان
افزودن به سبد خرید
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…
۱۸۰,۰۰۰ تومان
افزودن به سبد خرید
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…
۱۶۰,۰۰۰ تومان
افزودن به سبد خرید
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…
۱۶۰,۰۰۰ تومان
افزودن به سبد خرید
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…
۲۸۰,۰۰۰ تومان
افزودن به سبد خرید
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…
۲۲۰,۰۰۰ تومان
افزودن به سبد خرید
پیاده سازی 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…
۱۸۰,۰۰۰ تومان
افزودن به سبد خرید
نرون 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.…
۱۰۰,۰۰۰ تومان
افزودن به سبد خرید
