با سلام

 آموزش Overfitting در شبکه عصبی MLP در متلب مربوط به فصل پنجم (قسمت ۱۶) 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 Overfitting در شبکه عصبی MLP در متلب

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

۱- نحوه مقداردهی اولیه به وزن های شبکه عصبی

۲- همگرایی الگوریتم Back propagation

۳- تشریح روش Momentum

۴- بیان دلایل بیش برازش Overfitting در شبکه MLP

۵- روش های جلوگیری از Overfitting

۶- تشریح تئوری نحوه آموزش شبکه های عصبی در نرم افزار MATLAB

۷- تشریح کامل بخش های Train, Test, validation در شبکه عصبی

۸- تشریح روش های کاهش خطای تعمیم پذیری (Early stopping, Regularization …)

 

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

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 اسلاید های  آموزش Overfitting در شبکه عصبی MLP

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

 

لازم به ذکر است  آموزش Overfitting در شبکه عصبی MLP  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