پرسپترون چندلایه

ماشین بردار پشتبان

شناسایی الگو (فصل4 بخش دوم): تئوری و پیاده‌سازی ماشین بردار پشتیبان(SVM) و شبکه عصبی MLP

ماشین بردار پشتیبان(SVM) یکی از بهینه ترین الگوریتم‌ها در مباحث طبقه‌بندی الگوها است و به خاطر ویژگی های برجسته‌ای که مسئله ی بهینه‌سازی این الگوریتم دارد، باعث شده است که بهینه‌ترین مرز ممکن بین داده‌های دو کلاس را پیدا کند…
۹۵,۰۰۰ تومان افزودن به سبد خرید
پیاده سازی شبکه عصبی

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…
۱۹۰,۰۰۰ تومان افزودن به سبد خرید
قانون یادگیری دلتا دلتا بار

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…
۳۰,۰۰۰ تومان افزودن به سبد خرید
گرادیان نزولی

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…
۲۰,۰۰۰ تومان افزودن به سبد خرید
پیاده سازی شبکه عصبی پرسپترون چندلایه

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…
۵۰,۰۰۰ تومان افزودن به سبد خرید