آموزش یادگیری ماشین – شبکه های عصبی ۲ (پیاده سازی در متلب) -پروژه شناسایی اعداد- قسمت ۱۸

با سلام

  قسمت هجدهم از سری فیلم های آموزشی یادگیری ماشین در سایت متلب یار منتشر گردید.

در این قسمت از مجموعه شبکه های عصبی در یادگیری ماشین، به آموزش پیاده سازی پروژه شناسایی اعداد با استفاده از شبکه عصبی در MATLAB بصورت خط به خط خواهیم پرداخت. همچنین پروژه حل مساله رگرسیون با استفاده از توابع پیش فرض متلب نیز بعنوان دومین پروژه این ویدئو، آموزش داده میشود.

اما مهمترین مطالب و موضوعاتی که در این قسمت بیان شده را بطور مختصر در زیر مشاهده می نمایید:

۱- نحوه دریافت داده های تصویری بعنوان ورودی در شبکه عصبی در متلب

۲- استفاده از توابع خاص متلب جهت بهینه سازی تابع هزینه بعلت بالا بودن نمونه آموزشی

۳- نحوه مقداردهی وزن ها، لایه های مخفی، پارامترها و …

۴- بررسی مقادیر پیش بینی شده توسط شبکه عصبی

۵-حل مساله رگرسیون با توابع پیش فرض متلب

۶- نحوه تقسیم داده های ورودی به ۳ دسته Train, Test , validation در متلب

۷- مقایسه خطای Train, Test , validation

 

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, classification, Early Stopping, Feed forward, Feed forward propagation, Mini-batch, MLP, momentum, OCR, over-fitting در شبکه های عصبی, overfitting, Regularization, Stochastic & batch gradient descent, Test, Train, validation, آموزش پرسپترون چندلایه, پرسپترون, پرسپترون چندلایه, تابع آستانه باینری, تابع آستانه مشتق پذیر, دسته بندی, روش پس انتشار, شبکه Recurrent, شبکه های عصبی در MATLAB, شناسایی اعداد, قاعده دلتا, ممنتم, نرون, نرون های عصبی, یادگیری پرسپترون

 

نوشته آموزش یادگیری ماشین – شبکه های عصبی ۲ (پیاده سازی در متلب) -پروژه شناسایی اعداد- قسمت ۱۸ اولین بار در دانشجویار پدیدار شد.

مبنع این خبر (برای مشاهده متن کامل خبر لینک زیر را بزنید):
دانشجویار