با سلام در این قسمت شبکه عصبی مدل مخچه را معرفی می کنیم. شبکه های مدل مخچه که برگرفته از رفتار مخچه ی مغر انسان می باشد، مانند یک حافظه انجمنی عمل می کند. در حقیقت نحوه ی بازخوانی اطلاعات از حافظه به این طریق مدل سازی می شود. نتیجه ی این نوع شبکه ها، یک شبکه ی سریع است که توانایی تحمل مقداری نویز و جابه جایی را دارد که اگر در ورودی اتفاق بیفتد می تواند آن را مدیریت کند. جهت پیاده سازی آن تولباکسی پایتون را معرفی می کنیم. کد بخش شبکه عصبی مدل مخچه را توضیح ...
بیشتر بخوانید
سلام در این قسمت فصل هشتم از بخش بندی مورد نظر یعنی شبکه‌های عصبی برگشتی و حافظه دار را درون تولباکس های متلب بررسی خواهیم کرد. در این قسمت که پیشنیاز آن جلسه ۹ و جلسه ۱۰ می باشد، یک شبکه ی بازگشتی LSTM که در جلسه ۹ آن را بررسی کردیم را توسط یک تولباکس متلب نوشته شده مختص این نوع شبکه اجرا می کنیم و پارامترهای مورد نیاز کاربران جهت اجرای این تولباک را معرفی می کنیم. تولباکس مورد نظر را می توانید از اینجا دانلود کنید. نمونه کد برای اجرا در پوشه ی آن موجود است اما به ...
بیشتر بخوانید
با سلام در این قسمت روش های بهبود شبکه عصبی را معرفی می کنیم. چنانچه از تولباکس های نوشته شده استفاده نمایید مشاهده خواهید کرد که از بسیاری پارامترهای مختلف استفاده می شود که نقش آن ها بهبود الگوریتم یادگیری و سرعت بخشیدن به آن است. همچنین بسیاری از روش ها تلاش می کنند که از بیش برازش جلوگیری نمایند. از آنجایی که امروزه کم تر کد صفر نوشته می شود و با توجه به زمان اجرای آموزش شبکه عصبی، در این بخش تعدادی از این پارامترها و روش ها را معرفی می کنیم تا دوستان زمانی که از تولباکس ...
بیشتر بخوانید
در این قسمت فصل نهم از بخش بندی مورد نظر یعنی شبکه عصبی بازگشتی و حافظه دار (Recurrent Neural Networks and Memory based Networks) را به صورت کامل بررسی خواهیم کرد. در این قسمت ، یک شبکه ی بازگشتی را آموزش می دهیم و همچنین نحوه ی افزودن مرتبه های بیشتر حافظه را هم بررسی خواهیم کرد. بحث را با تعریف ورودی تاخیر یافته شروع خواهیم کرد و کاربردهای استفاده از ورودی تاخیر یافته را معرفی خواهیم کرد. پس از آن کاربرد و نحوه ی استفاده از خروجی های تاخیر یافته (حالت بازگشتی) را به صورت کامل بررسی می کنیم و ...
بیشتر بخوانید
سلام در این قسمت فصل هفتم از بخش بندی مورد نظر یعنی شبکه عصبی بر پایه توابع شعاعی (Radial Basis Function) را از دیدگاه یادگیری بدون ناظر (unsupervised) بررسی خواهیم کرد. در این قسمت که پیشنیاز آن جلسه ۷ می باشد، یک شبکه ی RBF که در جلسه ۷ آن را با یادگیری با ناظر آموزش دادیم به صورت بدون ناظر آن را آموزش می دهیم. بحث را با تعریف یادگیری با ناظر و بدون ناظر شروع می کنیم. سپس ایده را بیان خواهیم کرد که از چه معیاری برای آموزش بدون ناظر استفاده خواهیم کرد. معیار شبکه را معرفی ...
بیشتر بخوانید
با سلام در این قسمت فصل هفتم از بخش بندی مورد نظر یعنی شبکه عصبی بر پایه توابع شعاعی (Radial Basis Function) را بررسی خواهیم کرد. در این قسمت مشابه قسمت های گذشته با روش supervised یا با ناظر شبکه عصبی RBF را آموزش می دهیم. همچنین ایده ی استفاده از این نوع شبکه ها را به طور دقیق باز می کنیم تا دوستان با کاربردهای آن بهتر آشنا شوند. همچنین نکاتی را درباره تنظیم این نوع شبکه ارائه خواهیم کرد. مشاهده ی این قسمت برای فهم ساده تر جلسه ۸ پیشنهاد می شود. در این قسمت خواهیم دید ...
بیشتر بخوانید
با سلام در این قسمت تنها به صورت عملی عمل می کنیم و به بحث های تئوریک جلسات گذشته، اطلاعاتی عملی جهت پیاده سازی بهتر و دقیق تر اضافه خواهیم کرد. با دیدن این قسمت شما قادر به پیاده سازی شبکه عصبی برای هر مسئله ای خواهید بود. در این قسمت یک مسئله ی غیر خطی یعنی تبدیل از فضای قطبی به فضای کارتزین را با استفاده از شبکه های عصبی مصنوعی دو لایه و سه لایه پیاده سازی خواهیم کرد. خط به خط کد را به صورت کامل هم از نظر مقدار و هم از نظر اندازه ی بعد ...
بیشتر بخوانید
در این قسمت فصل ششم از بخش بندی مورد نظر یعنی شبکه های عصبی انعطاف پذیر را بررسی خواهیم کرد. در این قسمت به صورت کامل فرمول ها و تعاریف شبکه های عصبی انعطاف پذیر را مشاهده خواهید کرد. سپس به صورت عملی از نورون های عصبی انعطاف پذیر در متلب استفاده کرده و در نتیجه شبکه ی عصبی انعطاف پذیری را به صورت دستی پیاده سازی خواهیم کرد. مهمترین مطالب و موضوعاتی که در این مجموعه بیان شده را بطور مختصر در زیر مشاهده می نمایید: ۱– هدف از معرفی و به کار گیری شبکه های عصبی انعطاف پذیر ...
بیشتر بخوانید
در این قسمت فصل پنجم از از بخش بندی مورد نظر یعنی توابع فعالساز را بررسی خواهیم کرد. در این قسمت به صورت کامل فرمول ها و تعاریف توابع فعالساز را مشاهده خواهید کرد. سپس به صورت عملی نقش توابع فعالساز و نحوه ی تعریف و به کارگیری آن ها در شبکه ی عصبی را در متلب بیان خواهیم کرد. مهمترین مطالب و موضوعاتی که در این مجموعه بیان شده را بطور مختصر در زیر مشاهده می نمایید: ۱- تعریف تابع فعالساز ۲- نقش و تاثیر توابع فعالساز ۳- مشخصات توابع فعالساز ۴- انواع توابع فعالساز تذکر۱: اسلاید این ...
بیشتر بخوانید
در این قسمت فصل چهارم از از بخش بندی مورد نظر یعنی آموزش شبکه‌های عصبی را بررسی خواهیم کرد. در این قسمت به صورت کامل فرمول ها و نحوه ی آموزش را مشاهده خواهید کرد. سپس به صورت عملی یک پیاده سازی یک شبکه ی عصبی را در متلب بیان خواهیم کرد. مهمترین مطالب و موضوعاتی که در این مجموعه بیان شده را بطور مختصر در زیر مشاهده می نمایید: ۱- نگاه کلی بر عملیات پیشرو و پسرو ۲- نمایش عملیات پسرو ۳- بیان نحوه آموزش (train) شبکه عصبی ۱-۳- وزن دهی اولیه ۲-۳- آموزش به روش گرادیان نزولی ۳-۳- ...
بیشتر بخوانید