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:

  1. ایده ی اولیه Autoencoder
  2. اهمیت و کاربرد Autoencoder
  3. ساختار شبکه Autoencoder
  4. عملیات رو به جلو (forward)
  5. عملیات برگشتی (backward)
  6. پنالتی (جریمه)
  7. Sparse
  8. آموزش Autoencoder به صورت بدون ناظر
  9. پیاده سازی شبکه Autoencoder در متلب به صورت بدون ناظر

 

شبکه های عصبی  Autoencoder شبکه های پر کاربردی می باشند زیرا که نوعی از شبکه های عصبی عمیق به حساب می آیند که برای استخراج ویژگی و عملیات reconstruction از آن ها استفاده می شود.

پس از آموزش ساختار شبکه عصبی Autoencoder به صورت تئوری و توضیح کامل مراحل آموزش شبکه به صورت بدون ناظر، به صورت عملی یک شبکه عصبی Autoencoder را از ابتدا در MATLAB پیاده سازی می کنیم و فایل آن قابل دانلود است.

دیتاست های مختلف که در هر یک از روش ها مورد استفاده قرار گرفته در فایل دیتا موجود است. از جمله: mnistSmall , patchDataSmallRGB, toySpatioTemporal, gaussianData, facesDataGray که همگی از دیتاست های معروف در پردازش تصویر می باشند.

 

شما می توانید این مجموعه آموزشی را از وبسایت متلب یار و از لینک داده شده در ادامه مطلب مشاهده و دانلود نمایید.

تذکر:

قسمت های قبلی این مجموعه آموزشی را می توانید از اینجا مشاهده نمایید.