آموزش

یادگیری عمیق برای تحلیل داده‌های بزرگ

مقدمه:تحلیل داده‌های بزرگ (Big Data Analytics) به فرآیند پیچیده استخراج دانش، کشف الگوهای پنهان، شناسایی روندها و به دست آوردن…

بیشتر بخوانید »

هوش مصنوعی در فضای ابری

مقدمه:هوش مصنوعی در فضای ابری (Cloud AI) به مجموعه‌ای از خدمات، ابزارها و زیرساخت‌های مبتنی بر هوش مصنوعی اشاره دارد…

بیشتر بخوانید »

نورون های مصنوعی

مقدمه:نورون مصنوعی، که گاهی اوقات به آن واحد (Unit) یا پرسپترون (Perceptron) (به خصوص در مدل‌های اولیه) نیز گفته می‌شود،…

بیشتر بخوانید »

توابع فعال سازی

مقدمه:توابع فعال‌سازی، اجزای محاسباتی حیاتی و غیرقابل جایگزینی در نورون‌های مصنوعی و در نتیجه، در کل شبکه‌های عصبی مصنوعی (ANNs)…

بیشتر بخوانید »

تابع هزینه

مقدمه:تابع هزینه (که به آن تابع زیان، تابع خطا یا تابع هدف/Objective Function هم گفته می‌شود، اگرچه تابع هدف می‌تواند…

بیشتر بخوانید »

الگوریتم های بهینه سازی

مقدمه:الگوریتم‌های بهینه‌سازی در هسته فرآیند “یادگیری” در مدل‌های یادگیری ماشین و یادگیری عمیق قرار دارند. هدف اصلی آموزش یک مدل،…

بیشتر بخوانید »

پس انتشار

پس‌انتشار (Backpropagation) یکی از الگوریتم‌های اساسی در یادگیری عمیق (Deep Learning) است که برای آموزش شبکه‌های عصبی مصنوعی (Artificial Neural Networks – ANNs) استفاده می‌شود.…

بیشتر بخوانید »

هیپرپارامترها

شرح مفصل هیپرپارامترها در یادگیری ماشین مقدمه: هیپرپارامترها چه هستند؟ هیپرپارامترها (Hyperparameters) تنظیمات خارجی یک مدل یادگیری ماشین هستند که…

بیشتر بخوانید »

منظم سازی

مقدمه منظم‌سازی (Regularization) یکی از مفاهیم بنیادین و تکنیک‌های ضروری در یادگیری ماشین (Machine Learning) و به خصوص یادگیری عمیق…

بیشتر بخوانید »

یادگیری انتقالی و یادگیری چندوظیفه ای

مقدمه یادگیری انتقالی (Transfer Learning – TL) و یادگیری چندوظیفه‌ای (Multi-Task Learning – MTL) دو استراتژی قدرتمند در حوزه یادگیری…

بیشتر بخوانید »
دکمه بازگشت به بالا