خانه > ویدئو ها > یادگیری عمیق به زبان ساده

یادگیری عمیق به زبان ساده

یادگیری عمیق به زبان ساده : شبکه های تنسور عصبی بازگشتی – قسمت یازدهم

شبکه های تنسور عصبی بازگشتی RNTN

برخی از الگو های ذاتاً سلسله مراتبی هستند ، مانند تجزیه درختی یک جمله از زبان طبیعی. شبکه تنسور عصبی بازگشتی ( RNTN ) ابزاری قدرتمند برای رمزگشایی و برچسب زدن این نوع الگوهای است. RNTN توسط ریچارد ساکر به منظور پرداختن به مساله اصلی تکنیک های فعلی تحلیل احساسات …

بیشتر بخوانید »

یادگیری عمیق به زبان ساده : رمز نگار های خودکار – قسمت دهم

یادگیری ماشین به زبان ساده رمز نگار خودکار ( Autoencoders )

رمز نگار های خودکار ( Autoencoders )  یک خانواده از شبکه های عصبی هستند که به خوبی برای یادگیری بدون نظارت مناسب است؛ روشی برای تشخیص الگوهای ذاتی در یک مجموعه داده. این شبکه ها همچنین می توانند برای برچسب زدن به الگوهای بدست آمده استفاده شوند. در اصل ، …

بیشتر بخوانید »

یادگیری عمیق به زبان ساده : شبکه های عصبی بازگشتی – قسمت نهم

یادگیری عمیق به زبان ساده شبکه های عصبی بازگشتی

بحث های قبلی ما درباره برنامه های کاربردی شبکه ی عمیق محدود به الگوهای استاتیک بود ، اما شبکه چگونه می تواند الگوهایی که با زمان تغییر می کنند را رمزگشایی کرده و برچسب بزند؟ به عنوان مثال ، آیا یک شبکه می تواند با اسکن تصاویر راهنمایی و رانندگی، …

بیشتر بخوانید »

یادگیری عمیق به زبان ساده : شبکه عصبی کانولوشنی – قسمت هشتم

یادگیری عمیق به زبان ساده شبکه عصبی کانولوشنی – قسمت هشتم

از بین همه برنامه های کاربردی فعلی  یادگیری عمیق ، بینایی ماشین یکی از محبوب ترین آن هاست. از آنجا که شبکه عصبی کانولوشنی (CNN) یکی از بهترین ابزارهای موجود برای بینایی ماشین است ، این شبکه ها به یادگیری عمیق کمک کرده اند تا به یکی از داغترین موضوعات …

بیشتر بخوانید »

یادگیری عمیق به زبان ساده : شبکه باور عمیق – قسمت هفتم

یادگیری عمیق به زبان ساده شبکه باور عمیق

یک ماشین بولتزمن محدود شده ( RBM ) می تواند ویژگی ها را استخراج کرده و داده های ورودی را بازسازی کند ، اما هنوز توانایی مبارزه با محو شدگی گرادیان را ندارد. با این حال، از طریق ترکیبی هوشمندانه از مجموعه ی چندین RBM و یک کلاسه بند ، …

بیشتر بخوانید »

یادگیری عمیق به زبان ساده : ماشین بولتزمن محدود شده – قسمت ششم

یادگیری عمیق ماشین بولتزمن محدود شده RBM

دستیابی به چه موفقیت هایی بود که به شبکه های عمیق اجازه داد تا با مشکل محو شدگی گرادیان مقابله کنند؟ پاسخ دارای دو بخش است که بخش اول شامل ماشین بولتزمن محدود شده ( RBM ) است ، الگوریتمی که می تواند با بازسازی ورودی ، به طور خودکار …

بیشتر بخوانید »

یادگیری عمیق به زبان ساده : یک مشکل قدیمی – قسمت پنجم

یادگیری عمیق محو شدگی گرادیان

اگر شبکه های عصبی عمیق بسیار قدرتمند هستند، چرا آن ها بیشتر مورد استفاده قرار نمی گیرند؟ علت آن این است که به دلیل موضوعی که به عنوان محو شدگی گرادیان شناخته می شود، آموزش آن ها بسیار مشکل است. برای آموزش شبکه عصبی بر روی مجموعه بزرگی از داده …

بیشتر بخوانید »

یادگیری عمیق به زبان ساده : کدام نوع شبکه عمیق را انتخاب کنیم – قسمت چهارم

یادگیری عمیق انتخاب شبکه عمیق

شبکه های عمیق در ساختارها و اندازه های متنوعی وجود دارند ، بنابراین چگونه باید تصمیم بگیریم از کدام نوع استفاده کنیم؟ جواب بستگی به این دارد که شما می خواهید اشیاء را کلاسه بندی ( طبقه بندی ) کنید یا ویژگی ها را استخراج می کنید. بیایید نگاهی به …

بیشتر بخوانید »

یادگیری عمیق به زبان ساده : ۳ دلیل برای عمیق شدن – قسمت سوم

یادگیری عمیق سه دلیل برای عمیق شدن

با وجود گزینه های جایگزین بسیاری که در دسترس است، چرا از شبکه های عصبی برای یادگیری عمیق استفاده می شود؟ شبکه های عصبی در تشخیص الگوی پیچیده برتری دارند و می توانند به سرعت با استفاده از پردازنده گرافیکی (GPU) آموزش داده شوند. از نظر تاریخی کامپیوترها فقط برای …

بیشتر بخوانید »

یادگیری عمیق به زبان ساده : شبکه عصبی چیست – قسمت دوم

یادگیری عمیق کلاسه بندی

با وجود ابزار های مختلف یادگیری ماشین، چرا باید شبکه های عصبی مصنوعی را به روش های دیگر ترجیه دهیم؟ این ویدیو و ویدیو های بعد ذهن شما را در مورد قابلیت های شگفت انگیر شبکه های عصبی مصنوعی روشن می کند! شما بدون درگیر شدن با ریاضیات و کد …

بیشتر بخوانید »