هوش مصنوعی – AI

توابع فعال سازی

توابع فعال سازی

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

تابع هزینه

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

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،…
پس انتشار

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.…
هیپرپارامترها

هیپرپارامترها

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

منظم سازی

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

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…
تشخیص اشیاء

تشخیص اشیاء

تشخیص اشیاء (Object Detection) یکی از وظایف مهم در حوزه بینایی کامپیوتر (Computer Vision) است که شامل شناسایی و مکان‌یابی اشیاء در تصاویر…
ترجمه ماشینی

ترجمه ماشینی

ترجمه ماشینی (Machine Translation – MT) به فرآیند استفاده از نرم‌افزارهای کامپیوتری برای ترجمه خودکار متن یا گفتار از یک زبان…
یادگیری خودنظارتی

یادگیری خودنظارتی

یادگیری خودنظارتی (Self-Supervised Learning) یکی از رویکردهای نوین در یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) است که هدف آن یادگیری مدل‌ها بدون…
دکمه بازگشت به بالا