- اطلاعات کلی
- مدرس : نادری
- قسمت : هجدهم
- وضعیت محصول : غیر رایگان
- نوع آموزش : تصویری+کد
- زبان : فارسی
- مدت زمان : 53+102 دقیقه
- حجم دوره: 46+144+15 مگابایت
- تاریخ : ۱۷ خرداد ۱۳۹۶
با سلام
در این قسمت شبکه عصبی خود رمزگذار عمیق (Deep Autoencoder) را معرفی می کنیم.
شبکه های Autoencoder از شبکه های بدون ناظر به حساب می آید.
تفاوت این نوع شبکه ها با شبکه های دیگر بدون ناظر در این است که شبکه های خود رمزگذار از توزیع های احتمالی برای آموزش بدون ناظر استفاده نمیکند بلکه به روش مشابه شبکه های با ناظر عمل می کند. یعنی یک هدف دارد و با استفاده از روش گرادیان نزولی و پس انتشار خطا آموزش می بیند، اما هدف آن خود ورودی می باشد و به همین دلیل روش آن را بدون ناظر در نظر می گیرند.
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.
این نوع شبکه ها به ویژه زمانی پیشنهاد می شوند که داده های هدف موجود نباشد و تنها بر اساس داده های ورودی آموزش را انجام دهیم. همچنین زمانی که ویژگی های غیر مرتبط فراوانی موجود باشد که به صورت دستی تشخیص و جداسازی آن ها دشوار است. شبکه های خود رمزگذار به دلیل عملیات reconstruction به ویژه در پردازش تصویر و به صورت خاص در تشخیص چهره بسیار کاربرد دارد.
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.
در این جلسه مهم ترین مطالبی که ذکر خواهند شد به شرح زیر می باشند:
- ایده ی اولیه Autoencoder
- اهمیت و کاربرد Autoencoder
- ساختار شبکه Autoencoder
- عملیات رو به جلو (forward)
- عملیات برگشتی (backward)
- پنالتی (جریمه)
- Sparse
- آموزش Autoencoder به صورت بدون ناظر
- پیاده سازی شبکه Autoencoder در متلب به صورت بدون ناظر
توجه: پیشنیاز این قسمت، قسمت سوم از همین مجموعه می باشد. که شامل عملیات feed forward و back propagation می باشد.
تذکر:
قسمت های قبلی این مجموعه آموزشی را می توانید از اینجا مشاهده نمایید.
یادآوری:
برای کتاب می توانید کتاب شبکه های عصبی و کنترل کننده های عصبی پیشرفته نوشته ی دکتر تشنه لب ، استاد دانشگاه صنعتی خواجه نصیر رو به زبان قارسی تهیه کتید. به دلیل حمایت از نویسنده لینک دانلودی برای این کتاب قرار داده نمی شود.
کتاب های انگلیسی به دلیل عدم امکان دسترسی به آن ها در ایران، لینک دانلودشان قرار داده می شود.
شما می توانید کتاب Intelligent Control Based On Flexible Neural Network دکتر تشنه لب را از اینجا و کتاب A Brief Introduction to Neural Networks ,David Kriesel را از اینجا دانلود کنید.
سلام
pdf ای که شما در تدریستان از آن استفاده می کنید را چطور می توانم تهیه کنم؟
با تشکر