چه دوره ای می خواهید یاد بگیرید؟

آینده خود را با دوره های آموزشی دانشجویار تضمین کنید

بیش از ۱۰ هزار ساعت ویدئوی آموزشی

بیش از ۵۰ هزار دانشجو

بیش از ۳۰۰ مدرس

صفحه نخست
 » 
تحصیلات تکمیلی
 » 
آموزش MatLab
 » 
آموزش شبکه های عصبی در متلب – ایده تا کد – قسمت اول تا هفتم
بدون نظر
بازدید : 1,705 بازدید
آموزش شبکه های عصبی در متلب – ایده تا کد – قسمت اول تا هفتم

در این مجموعه درس شبکه‌های عصبی مصنوعی با زبانی ساده و به‌صورت کامل آموزش داده می‌شود. سطح آموزش از مبتدی، برای کسانی که نمی‌دانند شبکه عصبی چیست شروع می‌شود تا پیچیده‌ترین بخش‌ها که به‌راحتی می‌توان با استفاده از آن مطالب پایان‌نامه‌های ارشد را به انجام رساند.

در این مجموعه درس شبکه‌های عصبی به‌صورت تئوری و عملی در زبان متلب، هم به‌صورت کد پایه‌ای و هم به‌صورت استفاده از جعبه‌ابزارهای متلب، آموزش داده‌شده است. همچنین در برخی بخش‌ها آموزش‌هایی با زبان پایتون نیز ارائه گردیده است.

دومین قسمت از مجموعه فیلم‌های آموزش شبکه عصبی کتاب دکتر تشنه لب، در سایت متلب یار منتشر گردید.

فصل سوم دوره شامل دو ویدئو آموزشی موجود است. ویدئو اول مربوط به توضیحات تئوریک آموزش شبکه عصبی می‌باشد که با استفاده از روش گرادیان نزولی به‌وسیله روش پس انتشار خطا یک شبکه را از نقطه شروع آموزش خواهیم داد. در این بخش ابتدا به‌صورت ریاضیاتی ایده و نحوه عملکرد را نشان خواهیم داد و به‌صورت کامل فرمول‌ها را بازخواهیم کرد. درنتیجه هم با ایده آشنا خواهید شد و هم با نحوه عملکرد.

ویدئو دوم حاوی توضیحات عملی جهت پیاده‌سازی شبکه عصبی در متلب می‌باشد. ابتدا به‌وسیله کدهای خالی به‌تنهایی در متلب یک شبکه عصبی را پیاده‌سازی خواهیم کرد و آن را آموزش خواهیم داد. درنهایت یک شبکه عصبی دیگری را با استفاده از جعبه‌ابزار متلب پیاده‌سازی خواهیم کرد و آموزش خواهیم داد. در این فایل آموزش در طی آمورش به نکات ظریفی که در پیاده‌سازی و آموزش شبکه مؤثر است اشاره خواهیم کرد. به‌عنوان نمونه نحوه وزن دهی اولیه، نرخ آموزش، تعداد گام‌های آموزش و … . اما درنهایت لازم به ذکر است که برای هر مسئله ممکن است هر یک از این پارامترها متفاوت باشد. بنابراین به‌وسیله روش صحیح و خطا باید آن را پیدا کنید.

در فصل چهارم هم به‌صورت کامل فرمول‌ها و تعاریف توابع فعال‌ساز را مشاهده خواهید کرد. سپس به‌صورت عملی نقش توابع فعال‌ساز و نحوه‌ی تعریف و به‌کارگیری آن‌ها در شبکه‌ی عصبی را در متلب بیان خواهیم کرد.

در قسمت فصل پنجم از از بخش بندی مورد نظر یعنی توابع فعالساز را بررسی خواهیم کرد.

در  فصل ششم از بخش بندی مورد نظر یعنی شبکه های عصبی انعطاف پذیر را بررسی خواهیم کرد.

در فصل هفتم این دوره آموزشی شبکه RBF بررسی خواهد شد.

شما می توانید این قسمت ها را در سایت متلب یار از لینک داده شده در ادامه مطلب هم مشاهده نمایید.

 

 

آنچه در این قسمت ها خواهید دید:

  • قسمت اول
    • مقدمه
    • شبکه‌های عصبی بیولوژیکی
    • شبکه‌های عصبی چندلایه و نحوه‌ عملکرد آن‌ها
    • آموزش شبکه‌های عصبی
    • توابع فعال‌ساز
    • شبکه‌های عصبی انعطاف‌پذیر
    • توابع شعاعی
    • شبکه‌های عصبی برگشتی و حافظه‌دار
    • شبکه‌های عصبی GMDH
    • شبکه‌های عصبی مدل مخچه
    • شبکه عصبی پویا
    • شبکه‌های عمیق
  • قسمت دوم
    • الگوبرداری از نرون بیولوژیکی
    • پیاده‌سازی توابع به‌وسیله نرون های پرسپترون
    • پرسپترون چندلایه
    • پیاده‌سازی شبکه عصبی ساده با ۳ نرون
    • طراحی
    • پیش رو
    • نمایش برداری
  • قسمت سوم
    • توضیحات تئوریک آموزش شبکه عصبی
    • ایده و نحوه عملکرد به صورت ریاضیاتی
    • آشنایی کامل با فرمول ها
    • آشنایی با ایده و نحوه عملکرد
    • توضیحات عملی جهت پیاده‌سازی شبکه عصبی در متلب
    • نکات پیاده سازی و آموزش شبکه
  • قسمت چهارم
    • فرمول‌ها و تعاریف توابع فعال‌ساز
    • نقش توابع فعال‌ساز
    • نحوه تعریف و به‌کارگیری توابع فعال‌ساز در شبکه عصبی
  • قسمت پنجم
    • هدف از معرفی و به کار گیری شبکه های عصبی انعطاف پذیر
    • نحوه ی تنظیم و آموزش پارامترهای آزاد نورون های سیگموید تک قطبی و دو قطبی
    • معرفی توابع فعالساز تک قطبی و دو قطبی انعطاف پذیر و نحوه ی آموزش
  • قسمت ششم
    • نحوه ی تعیین محدوده ی وزن های اولیه
    • نرخ آموزش و یافتن نرخ آموزش مناسب
    • نحوه ی یافتن تعداد لایه های مورد نیاز
    • نحوه ی یافتن تعداد نورون های لایه مخفی
    • تعیین نوع تابع فعالیت در هر لایه
    • نقش و تعیین بایاس های اولیه
    • جلوگیری از overfitting
    • handle کردن مشکل داده های خارج از محدوده (خیلی بزرگ)
  • قسمت هفتم
    • بیان شبکه عصبی بر پایه توابع شعاعی (Radial Basis Function)
    • آموزش روش supervised یا ناظر شبکه عصبی RBF
    • ایده ی استفاده از این نوع شبکه ها را به طور دقیق باز می کنیم تا دوستان با کاربردهای آن بهتر آشنا شوند.
    • ارائه نکاتی درباره تنظیم این نوع شبکه
    • نکته: مشاهده ی این قسمت برای فهم ساده تر جلسه ۸ پیشنهاد می شود.

مطلب مفیدی برای شما بود ؟؟ پس به اشتراک بگذارید برای دوستانتان

دریافت کنید

در صورتی که توضیحات نوشته، دموی آموزش و لینک های ارزیابی پاسخگوی سوالات شما در مورد این دوره آموزشی نمی باشد و نیاز به مشاوره بیشتری دارید لطفا این فرم را تکمیل کرده و در ساعات اداری منتظر تماس همکاران ما باشید.
  • *
  • *
  • *
  • *
  • در صورتی که توضیحات نوشته، دموی آموزش و لینک های ارزیابی پاسخگوی سوالات شما در مورد این دوره آموزشی نمی باشد و نیاز به مشاوره بیشتری دارید لطفا این فرم را تکمیل کرده و در ساعات اداری منتظر تماس همکاران ما باشید.

    پیام شما با موفقیت ثبت شد. در اولین فرصت با شما تماس گرفته خواهد شد.
    • مطالب مرتبط
    • دیگر آموزش های مرتبط با این مدرس
    • رزومه مدرس

    نظرات کاربران

    ۰
    هنوز دیدگاهی ثبت نشده

    سیاوش علیپور طراح و توسعه دهنده افزونه و قالب وردپرس

    اینجانب سیاوش علی پور فارغ التحصیل مقطع کارشناسی ارشد رشته مهندسی کامپیوتر، گرایش هوش مصنوعی از دانشگاه خوارزمی تهران می باشم. زمینه مورد علاقه پژوهشی بنده پردازش تصویر و بینایی ماشین با استفاده از الگوریتم های هوش مصنوعی است.

    دسته بندی

    آموزش الکترونیک

    آموزش بازی سازی

    آموزش شبکه

    آموزش طراحی و گرافیک

    برنامه نویسی موبایل

    برنامه نویسی ویندوز

    پایگاه داده

    تحصیلات تکمیلی

    دروس دانشگاهی

    رشته الکترونیک

    رشته کامپیوتر

    سایر دسته های دانشجویار

    سایر نرم افزارها

    طراحی سایت

    کلاس آنلاین

    نرم افزارهای کاربردی

    هوش مصنوعی

    مدرسین

    تعداد دوره
    بر اساس امتیاز
    حروف الفبا

    مطالب سایت بر اساس

    جدیدترین ها
    محبوب ترین ها
    بطور تصادفی
    دانشجویار نماد اعتماد الكترونیكی کسب و کار های اینترنتی مجوز نشر دیجیتال لوگو شرکت به پرداخت ملت ساماندهی محتوای فضای مجازی بانک تجارت دانشجویار
    وبینار آنلاین شروع استارتاپ جشنوارده پاییزه دانشجویار