یادگیری عمیق

درک شبکه‌های عصبی بازگشتی و LSTM

درک شبکه‌های عصبی بازگشتی و LSTM

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…
تکنیکهای آموزش شبکه های عصبی بزرگ

تکنیکهای آموزش شبکه های عصبی بزرگ

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 یاAblation studies در هوش مصنوعی

مطالعات فرسایشی یا Ablation studies در هوش مصنوعی

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…
تحلیل سه مدل شبکه عصبی در یادگیری عمیق: ANN، CNN و RNN

تحلیل سه مدل شبکه عصبی در یادگیری عمیق: ANN، CNN و RNN

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…
طبقه بندی سیگنال EEG تصور حرکتی با شبکه CNN

طبقه بندی سیگنال EEG تصور حرکتی با شبکه CNN

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…
کاربرد شبکه‌های عصبی کانولوشنی در رادیولوژی

کاربرد شبکه‌های عصبی کانولوشنی در رادیولوژی

شبکه عصبی کانولوشنی (CNN) یک کلاس از شبکه‌های عصبی مصنوعی است که در تسک‌های مختلف بینایی ماشین مورد استفاده قرار می‌گیرد و همچنین توجهات را در سایر حوزه‌ها از جمله رادیولوژی به خود جلب کرده است. CNN با این هدف…
شبکه Resnet

شبکه عصبی Resnet

در طی چند سال اخیر، با معرفی شبکه‌های عصبی کانولوشنی عمیق، بسیاری از مسائل حوزه‌ی طبقه بندی تصویر و تشخیص تصویر با دقت بالا حل شده‌اند. بعضی از مسائل مربوط پیچیده‌تر بودند و محققان با انجام آزمایشات مختلف به این…
چطور دیتاست‌های Kaggle را مستقیماً در Google Colab لود کنیم

نحوه لود کردن مستقیم داده های kaggle در Google Colab

اگر در حوزه‌های یادگیری ماشین و علوم داده کار می‌کنید، حتماً نام Kaggle را شنیده‌اید.  Kaggle وب سایتی است که به کاربران این امکان را می‌دهد تا به دیتاست‌های موردنیاز خود در هر حوزه‌ی کاری و تحقیقاتی دست پیدا کنند…
اضافه کردن دیتاست‌های حجیم به گوگل درایو

راهی ساده برای اضافه کردن دیتاست‌های حجیم به گوگل درایو

گاهی اوقات حجم دیتاستی که قرار است در گوگل کولب با آن کار کنیم، بسیار بزرگ است و می‌خواهیم ابتدا آن را در گوگل درایو آپلود کنیم سپس در گوگل کولب با آن کار کنیم. در این پست روشی ساده…
لود کردن و خواندن دیتاست به فرمت .CSV در گوگل کولب

خواندن دیتاست CSV در گوگل کولب

بعضی از دیتاست‌هایی که در پایتون با آنها سروکار داریم به فرمت .CSV هستند. فرمت CSV که مخفف Comma Separated Values است یک فرمت فایل ساده است که برای ذخیره سازی داده‌های جدولی به کار می‌رود. در این پست نحوه‌ی…
شبکه عصبی کانولوشنی LeNet

شبکه عصبی کانولوشنی LeNet

شبکه عصبی کانولوشنی LeNet یکی از اولین شبکه های عصبی کانولوشنی است که با مفهوم یادگیری عمیق توسط yan lecun معرفی شد. این شبکه ساختاری پنج لایه دارد به نام lenet-5 معروف است و اولین بار برای تشخیص ارقام دست…
شبکه عصبی کانولوشنی (CNN) چیست؟

شبکه عصبی کانولوشنی (CNN) چیست

CNN که مخفف شبکه عصبی کانولوشنی (Convolutional Neural Network) است کلاس خاصی از شبکه‌های عصبی مصنوعی (Artificial Neural Network) در هوش مصنوعی است. این شبکه‌ها مشابه شبکه‌های عصبی سنتی دارای لایه‌ی ورودی، لایه‌ی پنهان و لایه‌ی خروجی هستند. تعداد لایه‌های…