با سلام

این پست شامل  قسمت پانزدهم از سری فیلم های آموزشی یادگیری ماشین می باشد. در این مجموعه مفاهیم و توضیحات مربوط به روش شبکه های عصبی در یادگیری ماشین با زبانی ساده و روان به تفصیل بیان می گردد. این مجموعه شامل سرفصل های زیر می باشد:

۱- نرون های عصبی

۲- پرسپترون

۳- روش یادگیری پرسپترون

۴- روش های Mini-batch , Stochastic & batch gradient descent

۵- پرسپترون چندلایه

۶- آموزش پرسپترون چندلایه

۷- دلایل و روش های جلوگیری از over-fitting در شبکه های عصبی

۸- شبکه های عصبی در MATLAB

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

۱- بیان خلاصه ای از جلسه قبل

۲- گرادیان نزولی اتفاقی Stochastic gradient descent

۳- تشریح تفاوت های batch and Stochastic gradient descent

۴- توضیح همگرایی روش گرادیان نزولی اتفاقی

۵- تشریح روش های Mini-batch gradient descent

۶- آموزش شبکه های عصبی پرسپترون چندلایه

۷- تشریح تابع آستانه باینری و مشتق پذیر

۸- لایه های مخفی در شبکه عصبی

۹- آموزش Feed forward propagation

۱۰-  تشریح روش آموزش Back propagation

 

 

تذکر۱:

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

تذکر۲:

کتاب یادگیری ماشین آلپایدین (Alpaydın) میتوانید از اینجا و کتاب میشل (Tom Mitchell) را نیز از اینجا دانلود نمایید.

تذکر۳:

اسلایدهای این مجموعه آموزشی را می توانید از اینجا دانلود 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