دانلود رایگان آموزش شبکه‌های عصبی پرسپترون چندلایه در متلب

با سلام

آموزش شبکه‌های عصبی پرسپترون چندلایه مربوط به فصل پنجم (قسمت ۱۵) از سری فیلم های آموزشی یادگیری ماشین می باشد.  فصل پنجم در شش قسمت (۱۴-۱۹) به آموزش شبکه های عصبی میپردازد که شامل زیر بخش های زیر می باشد:

۱- شبکه پرسپترون تک لایه

۲- شبکه پرسپترون چند لایه

۳- مفهوم، دلایل و روش های جلوگیری از over-fitting در شبکه های عصبی

۴- پیاده سازی شبکه های عصبی در MATLAB

۵- پروژه شناسایی اعداد ، classification و  … با استفاده از شبکه عصبی 

مباحث آموزش شبکه های عصبی پرسپترون تک لایه یادگیری ماشین

اما مهمترین مطالب و موضوعاتی که در  قسمت پانزدهم 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 شبکه‌های 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

—————————————————————————————————————————————

سرفصل های این مجموعه آموزشی یادگیری ماشین در متلب شامل موارد زیر می باشد:

سرفصل های آموزش جامع یادگیری ماشین:

فصل اول: آمار مقدماتی

فصل دوم: مفهوم یادگیری نظارت شده

فصل سوم: رگرسیون خطی و رگرسیون منطقی

فصل چهارم: روش های طبقه بندی پارامتریک

فصل پنجم: شبکه های عصبی

فصل ششم: روش های طبقه بندی غیر پارامتریک

فصل هفتم: درخت تصمیم گیری

فصل هشتم: ماشین بردار پشتیبان SVM

فصل نهم: روش های ترکیبی Ensemble Methods

تذکر

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

دانلود اسلایدهای آموزش شبکه‌های عصبی پرسپترون چندلایه در متلب

اسلایدهای این مجموعه آموزشی را می توانید از اینجا دانلود نمایید.

لازم به ذکر است  آموزش شبکه‌های عصبی پرسپترون چندلایه در متلب 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

با تشکر