دانلود آموزش گام به گام یادگیری ماشین در متلب – شبکه های عصبی ۳ – قسمت ۱۶
با سلام
قسمت شانزدهم از سری فیلم های آموزشی یادگیری ماشین در سایت متلب یار منتشر گردید.
در این قسمت مفاهیم و توضیحات مربوط به روش شبکه های عصبی در یادگیری ماشین با زبانی ساده و روان به تفصیل بیان می گردد.
اما مهمترین مطالب و موضوعاتی که در این قسمت بیان شده را بطور مختصر در زیر مشاهده می نمایید:
۱- نحوه مقداردهی اولیه به وزن های شبکه عصبی
۲- همگرایی الگوریتم Back propagation
۳- تشریح روش Momentum
۴- بیان دلایل Overfitting در شبکه MLP
۵- روش های جلوگیری از Overfitting
۶- تشریح تئوری نحوه آموزش شبکه های عصبی در نرم افزار MATLAB
۷- تشریح کامل بخش های Train, Test, validation در شبکه عصبی
۸- تشریح روش های کاهش خطای تعمیم پذیری (Early stopping, Regularization …)
تذکر۱:
قسمت های قبلی این مجموعه آموزشی را می توانید از اینجا مشاهده نمایید.
لازم به ذکر است این مجموعه از آموزش های گام به گام یادگیری ماشین در متلب برای اولین بار در ایران تهیه و توسط یکی از مجربترین اسانید در زمینه هوش مصنوعی آموزش داده شده است.
این مجموعه آموزشی بسیار مناسب برای محققین و دانشجویان در مقاطع کارشناسی، کارشناسی ارشد و دکتری می باشد که قصد یادگیری این درس و همچنین استفاده ازالگوریتم های هوش مصنوعی در مقاله و پایان نامه خود را دارند.
با تشکر
کلید واژه:
, back propagation, Early Stopping, Feed forward, Feed forward propagation, Mini-batch, MLP, momentum, over-fitting در شبکه های عصبی, overfitting, Regularization, Stochastic & batch gradient descent, آموزش پرسپترون چندلایه, پرسپترون, پرسپترون چندلایه, تابع آستانه باینری, تابع آستانه مشتق پذیر, روش پس انتشار, شبکه Recurrent, شبکه های عصبی در MATLAB, قاعده دلتا, ممنتم, نرون, نرون های عصبی, یادگیری پرسپترون
نوشته دانلود آموزش گام به گام یادگیری ماشین در متلب – شبکه های عصبی ۳ – قسمت ۱۶ اولین بار در دانشجویار پدیدار شد.
مبنع این خبر (برای مشاهده متن کامل خبر لینک زیر را بزنید):
دانشجویار