یادگیری ماشین

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…
5 روش برای جلوگیری از بیش‌برازش شبکه عصبی

5 روش برای جلوگیری از بیش‌برازش شبکه عصبی

در پیاده سازی شبکه هایی عصبی، عمده ترین مشکلی که باهاش مواجه می شویم overfitting  یا همان بیش برازش مدل هست. در این پست میخواهیم در مورد بیش‌برازش و روش‌هایی جلوگیری از آن در شبکه عصبی صحبت کنیم.
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…
10 IDE برتر برای برنامه نویسی پایتون

10 IDE برتر برای برنامه نویسی پایتون

IDE که مخفف Integrated Development Environment است یک برنامه‌ی نرم افزاری است که محیطی را برای برنامه نویسان فراهم می‌کند تا بتوانند کدهای خود را توسعه دهند. اکثر اوقات IDE شامل یک ویرایشگر کد (Code Editor)، ابزارهای خودکارسازی (Automation Tools)…
آموزش ماشین بردار پشتیبان به زبان ساده

توضیح رویکرد ماشین بردار پشتیبان به زبان ساده

ماشین بردار پشتیبان(support vector machine) یکی از معروفترین الگوریتمهای یادگیری ماشین در مسائل طبقه بندی و البته رگرسیون هست. SVM به خاطر رویکرد منحصر به فردی که دارد باعث شده هم در مسائل طبقه بندی و هم در مسائل رگرسیون…
معیارهای مناسب برای ارزیابی مدلها در مسائل رگرسیون

4 معیار مناسب برای ارزیابی مدلها در مسائل رگرسیون

رگرسیون یکی از رایجترین مسائل یادگیری ماشین هست که در آن خروجی مقادیر پیوسته و نامحدود هست. همانند مسائل طبقه بندی، در مسائل رگرسیون نیز نیاز به معیارهای ارزیابی هستیم تا بتوانیم عملکرد مدلهای رگرسیون را بررسی کنیم. در این…
تکنیک bagging در یادگیری جمعی

تکنیک bagging در یادگیری جمعی

تکنیک بگینگ-bagging که با نام bootstrap aggregating  هم شناخته می شود، یک تکنیک یادگیری جمعی هست که برای حداقل کردن واریانس مدل استفاده می شود. در تکنیک bagging برای آموزش هر مدل، یک بخشی از داده به صورت تصادفی انتخاب…
آدابوست

 تکنیک آدابوست adaboost

آدابوست یکی از تکنیکهای یادگیری جمعی هست که در آن چندین مدل ضعیف(weak leaner) به صورت سازگار باهم ترکیب می شوند تا بتوانند یک مسئله پیچیده را حل کنند. از تکنیک آدابوست برای کاهش بایاس مدل استفاده می‌کنند. در این…
روشهای انتخاب ویژگی در شناسایی الگو

انتخاب ویژگی در شناسایی الگو

در شناسایی الگو و یادگیری ماشین، انتخاب ویژگی به فرایندی گفته می شود که در آن بهترین ویژگی ها از بین ویژگیهای استخراج شده انتخاب می شوند. با انتخاب ویژگی تعداد ویژگی ها به طور هدفمند کاهش پیدا میکنند تا…
آموزش طبقه بند بیزین

طبقه بند بیزین

طبقه بند بیزین یک روش آماری قوی هست که از تئوری بیزین برای دسته بندی الگوها استفاده می‌کند. تئوری بیزین یک روش آماری کمی هست که براساس حداقل کردن هزینه‌های تصمیم گیری‌های مختلف کار می‌کند. در این مقاله میخواهیم به…