برچسب: «شبکه»

آموزش ساخت شبکه اجتماعی اشتراک گذاری عکس و ویدیو

با عرض سلام خدمت شما دوستان عزیز با آموزش ساخت شبکه اجتماعی اشتراک گذاری عکس و ویدیو با پلتفرم اندروید و طراحی متریال در خدمت شما هستیم. استفاده از خدمات شبکه‌های اجتماعی، روزبه‌روز محبوبیت بیشتری پیدا می‌کند. هم‌اکنون سایت‌های شبکه‌های اجتماعی، بعد از پرتال‌های بزرگی مثل یاهو یا ام‌اس‌ان و موتورهای جستجو مثل گوگل، تبدیل به پراستفاده‌ترین خدمت اینترنتی شده‌اند. خیلی از نهادهای مختلف جهانی و اینترنتی با اهداف گوناگون که مهم‌ترین آنها تجاری و تبلیغاتی است، دست به‌راه‌اندازی شبکه‌های اجتماعی زده یا درصدد خرید سهام مهم‌ترین شبکه‌های اجتماعی دنیا هستند؛ مثل رقابت اخیر گوگل و مایکروسافت برسر سایت مای‌اسپیس و فیس‌بوک. فصل ... بیشتر بخوانید

آموزش اشتراک گذاری اینترنت و شبکه Adhoc در لینوکس

آموزش اشتراک گذاری اینترنت و شبکه Adhco در لینوکس گاهی برای شبکه کردن سیستم‌ها در یک محیط کوچک مانند اتاق، می‌توانیم از شبکه بی‌سیم محلی ادهاک (شبکه بی‌سیم ADHoc) استفاده کنیم. از جمله  فواید این شبکه راحتی در پیکربندی و عدم نیاز به سخت افزار خاص برای پیاده سازی است. از معایب آن می‌توان به عدم کارایی برای شبکه‌های دارای بیش از ۲۰ سیستم و کم بودن محدوده آنتن دهی آن اشاره کرد. در دوره آموزش اشتراک گذاری اینترنت و شبکه Adhoc در لینوکس ساخت شبکه بی‌سیم ادهاک (Ad-hoc) یا شبکه‌های بی‌سیم با رنج محدود بررسی می‌شود. از جمله مواردی که در ... بیشتر بخوانید

پروژه خوشه بندی با استفاده از شبکه عصبی LVQ در متلب + داکیومنت فارسی

با سلام این پست حاوی یک پروژه خوشه بندی داده ها با استفاده از شبکه عصبی LVQ در زبان متلب می باشد. شما می توانید این مجموعه آموزشی را از وبسایت متلب یار و از لینک داده شده در ادامه مطلب مشاهده و دانلود نمایید. در این پروژه داده های آموزش در ۴ خوشه قرار دارند که قرار است با استفاده از شبکه عصبی LVQ عمل خوشه بندی انجام گیرد. این پروژه، پیاده سازی مثال ۱۳-۴ کتاب شبکه عصبی لوران فارست می باشد. هدف از این پروژه نشان دادن تاثیر epoch ها در روند خوشه بندی است. با بررسی خروجی ها ... بیشتر بخوانید

پروژه خوشه بندی با استفاده از شبکه عصبی LVQ در متلب + داکیومنت فارسی

با سلام این پست حاوی یک پروژه خوشه بندی داده ها با استفاده از شبکه عصبی LVQ در زبان متلب می باشد. در این پروژه داده های آموزش در ۴ خوشه قرار دارند که قرار است با استفاده از شبکه عصبی LVQ عمل خوشه بندی انجام گیرد. این پروژه، پیاده سازی مثال ۱۳-۴ کتاب شبکه عصبی لوران فارست می باشد. هدف از این پروژه نشان دادن تاثیر epoch ها در روند خوشه بندی است. با بررسی خروجی ها در این پروژه نشان داده شده است که هر چه تعداد epoch ها بالاتر می رود خوشه بندی بهتری برای داده بدست می ... بیشتر بخوانید

دانلود پروژه های شبکه های عصبی در متلب (دسته بندی حروف) + داکیومنت فارسی

با سلام در این مجموعه شما مجموعه کاملی از پروژه های انجام شده در زبان متلب با شبکه های عصبی را دریافت می کنید, این پروژه ها دارای داکیومنت فارسی نیز می باشد, پروژه های موجود در این مجموعه: دسته بندی و تشخیص الگوهای ورودی دو بعدی (حروف انگلیسی) با استفاده از شبکه عصبی هب  (Hebb network) دسته بندی و تشخیص حروف انگلیسی با فونت های مختلف و یک دسته خروجی با استفاده از شبکه عصبی پرسپترون (Perceptron network) دسته بندی و تشخیص حروف انگلیسی بمنظور پیوند دادن حروف بزرگ با حروف کوچک با استفاده از شبکه عصبی دیگر انجمنی (Heteroassociative network)   ... بیشتر بخوانید

فیلم آموزش شبکه های عصبی مصنوعی در متلب – شبکه خود رمزگذار (Autoencoder) – قسمت ۱۸

با سلام در این قسمت شبکه عصبی خود رمزگذار عمیق (Deep Autoencoder) را معرفی می کنیم. شبکه های Autoencoder از شبکه های بدون ناظر به حساب می آید. تفاوت این نوع شبکه ها با شبکه های دیگر بدون ناظر در این است که شبکه های خود رمزگذار از توزیع های احتمالی برای آموزش بدون ناظر استفاده نمیکند بلکه به روش مشابه شبکه های با ناظر عمل می کند. یعنی یک هدف دارد و با استفاده از روش گرادیان نزولی و پس انتشار خطا آموزش می بیند، اما هدف آن خود ورودی می باشد و به همین دلیل روش آن را بدون ... بیشتر بخوانید

آموزش شبکه عصبی در متلب – شبکه خود رمزگذار (Autoencoder) – قسمت ۱۸

با سلام هجدهمین قسمت از مجموعه فیلم های آموزشی شبکه عصبی در متلب در وبسایت متلب یار منتشر گردید. در این قسمت شبکه عصبی خود رمزگذار عمیق (Deep Autoencoder) را معرفی می کنیم. در این جلسه مهم ترین مطالبی که ذکر خواهند شد به شرح زیر می باشند: ایده ی اولیه Autoencoder اهمیت و کاربرد Autoencoder ساختار شبکه Autoencoder عملیات رو به جلو (forward) عملیات برگشتی (backward) پنالتی (جریمه) Sparse آموزش Autoencoder به صورت بدون ناظر پیاده سازی شبکه Autoencoder در متلب به صورت بدون ناظر   شبکه های عصبی  Autoencoder شبکه های پر کاربردی می باشند زیرا که نوعی از ... بیشتر بخوانید

آموزش شناسایی سیستم پاندول معکوس با استفاده از شبکه های عصبی مصنوعی

با سلام در این دوره سعی شده تا با مراحل مهم فرآیند شناسایی سیستم آشنا شده، آن ها را در محیط متلب اجرا نمائیم. سه مرحله مهم در فرآیند شناسایی عبارتند از: ۱٫ جمع آوری چندین دیتای آزمایشی ورودی، خروجی از فرآیندی که می خواهیم آن را مدلسازی کنیم ( در مورد سیستم پاندول معکوس ورودی و خروجی ها به ترتیب عبارتند از نیروی وارده بر ارابه و جابه جایی و زاویه انحراف پاندول). ۲٫ انتخاب ساختار مناسب ۳٫ تخمین و تنظیم پارامترهای مدل به طوری که خروجی این مدل شبیه به خروجی فرآیند باشد. بهترین راه انتخاب ساختار یک ... بیشتر بخوانید

آموزش پیاده سازی و اجرای شبکه های عصبی توسط Neupy

با سلام در این دوره نحوه ی نصب Neupy که در زبان پایتون می باشد، آموزش داده شده است. Neupy به صورت کد باز می باشد در نتیجه ممکن است در حین نصب با مشکلات و موانعی برخورد شود که تمام این موانع را با هم پشت سر می گزاریم. البته خود Neupy برای نصب به کتابخوانه ها و ابزارهای دیگری نیز نیاز دارد که کاربرد هر یک و نحوه ی نصب آن ها به ترتیب گفته می شود. پس از آموزش نصب Neupy، زبان پایتون و نحوه ی اجرای کدها آموزش داده می شود. آموزش زبان پایتون به صورت ... بیشتر بخوانید

آموزش پیاده سازی و اجرای شبکه های عصبی توسط Neupy

با سلام متلب در شبکه های عصبی عمیق سرعت مناسبی ندارد و زبانی که معمولا برای شبکه های عمیق و پردازش تصویر مورد استفاده قرار می گیرد پایتون است. زیرا سرعتی بالاتر از متلب دارد و همچنین مشابه متلب یک زبان سطح بالاست که عملیات اصلی ریاضی در آن به راحتی قابل انجام است. در این دوره نحوه ی نصب Neupy که در زبان پایتون می باشد، آموزش داده شده است. Neupy به صورت کد باز می باشد در نتیجه ممکن است در حین نصب با مشکلات و موانعی برخورد شود که تمام این موانع را با هم پشت سر ... بیشتر بخوانید