در این آموزش ، ما با اصول شبکه های عصبی کانولوشنی ( CNN ) و نحوه استفاده از آن ها برای یک مسئله کلاسه بندی تصویر آشنا خواهیم شد. همچنین خواهیم دید که داده افزایی چگونه به بهبود عملکرد شبکه کمک می کند. ما در آموزش های قبلی در مورد …
بیشتر بخوانید »گوگل ساختار سازمانی خود را جهت تمرکز بر هوش مصنوعی اصلاح می کند
در میان هجوم پیشرفتهای هوش مصنوعی این هفته، بیشتر توجهات معطوف به سخنان دمیس حسابیس، مدیرعامل بخش ت…
پلاک خوان های شهر گرینزبوروی آمریکا فعلاً قرار نیست افزایش پیدا کنند
گرینزبورو (از شهرهای ایالت کارولینای شمالی)؛ بیش از دو سال از نصب اولین دوربین های پلاک خوان در گرین…
فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
اوکلند، کالیفرنیا ؛ هفته گذشته فرماندار نیوسام اعلام کرد کالیفرنیا شبکه ای از ۴۸۰ دوربین با فناوری پ…
لبنان استفاده از پلاک خوان های خودکار را تایید کرد
لبنان به تعدادی از شهرهای منطقه ملحق خواهد شد که از ALPRها استفاده می کنند و لذا دوربین های پلاک خوا…
چالش های مدیریت کلاس با ابزار جدید تشخیص چهره هوش مصنوعی
یک ابزار جدید مدیریت کلاس هوش مصنوعی با قابلیتهای تشخیص چهره اخیرا با وعده هایی همچون بررسی حضور در…
آیا می توان از دوربین های ترافیکی برای گرفتن رانندگان الکلی استفاده کرد؟
دوربین ها معمولاً برای گرفتن مستقیم رانندگان مست استفاده نمی شوند؛ در واقع سازمانهای مجری قانون در …
قانون پیشنهادی برای محدود کردن استفاده از پلاک خوان ها
یک قانون جدید که در حال حاضر در مجلس ایالتی آمریکا در حال بررسی است، با هدف اعمال مقررات سختگیرانه ت…
سان فرانسیسکو به سمت نصب دوربین های پلاک خوان بیشتری در حال حرکت است
اداره پلیس سانفرانسیسکو نصب ۴۰۰ دوربین پلاک خوان را در سراسر شهر آغاز کرده است، تلاشی که مقامات شهری…
هوش مصنوعی چگونه میتواند به رشد کسب وکار شما در اقتصاد دیجیتال کمک کند
هوش مصنوعی مولد نقطه محوری بعدی برای بهره وری و کارایی در سازمان ها است. درک کنید که هوش مصنوعی چگون…
۱۰ کاربرد دوربین های پلاک خوان ALPR در شهرها
دوربینهای تشخیص پلاک اتوماتیک ( ALPR ) در شهرها برای امنیت عمومی به طرق مختلف مورد استفاده قرار می…
مطالب اخیر
هوش مصنوعی باید از مغز انسان نیز فراتر برود!
داستان هوش مصنوعی از جایی شروع شد که ریاضی دانان، مهندسان و روان شناسان، تلاش کردند تا قدرت یادگیری مغز انسان را به نرم افزار نیز منتقل کنند. اما شاید تنها راه بهره مندی از مزایای واقعی هوش مصنوعی ، کنار گذاشتن محدودیت های تفکر انسانی باشد. تابستان ۱۹۵۶ بود …
بیشتر بخوانید »کلاسه بندی تصاویر با شبکه عصبی پیشخور در Keras
در این مقاله ، به نحوه ی پیاده سازی یک شبکه عصبی پیشخور ( Feed Forward ) در Keras خواهیم پرداخت. ما از کلاسه بندی ارقام دست نویس به عنوان مثالی برای نشان دادن اثربخشی شبکه پیشخور استفاده می کنیم. همچنین خواهیم دید که چگونه می توان بیش برازش ( …
بیشتر بخوانید »احراز هویت با تشخیص چهره حتی از روی ماسک
با گسترش هرچه بیشتر ارتباطات دیجیتال و استفاده روز افزون آن ها، فعالیت های مختلف انسان ها از پرداخت وجه گرفته تا جلسات و دیدار ها، همگی شکل دیجیتالی به خود گرفته اند. در چنین دنیایی تامین امنیت به صورت دیجیتال از ملزمات اصلی به شمار می رود. اینجاست که …
بیشتر بخوانید »انقلاب چهارم صنعتی : ظهور اقتصاد خودمختار – قسمت سوم
در قسمت قبل ، به بررسی سه شاخه اصلی انقلاب صنعتی چهارم یعنی اینترنت اشیاء ، هوش مصنوعی و دفتر کل توزیع شده پرداختیم. در این قسمت با قرارداد های هوشمند و نحوه اجرا آن ها آشنا می شویم و دیگر گرایشات اصلی انقلاب چهارم صنعتی را بررسی می کنیم. …
بیشتر بخوانید »آموزش شبکه عصبی پیشخور ( Feedforward Neural Network )
در این سری از آموزش شبکه عصبی قصد داریم به شبکه های عصبی پیشخور ، که به آن ها Deep Feedforward Networks یا Multi-layer Perceptrons ( پرسپترون چند لایه ) نیز گفته می شود، بپردازیم. این شبکه ها اساس بسیاری از شبکه های عصبی مهمی هستند که اخیرا مورد استفاده …
بیشتر بخوانید »انقلاب چهارم صنعتی : ظهور اقتصاد خودمختار – قسمت دوم
در قسمت اول به بررسی انقلاب های صنعتی گذشته و زمینه سازی های صورت گرفته برای وقوع انقلاب صنعتی چهارم پرداختیم. در این قسمت، با مفاهیم اینترنت اشیا، هوش مصنوعی و دفتر توزیع مشترک که اصلی ترین شاخه های انقلاب چهارم صنعتی هستند آشنا می شویم. اینترنت اشیا ( IOT …
بیشتر بخوانید »انقلاب چهارم صنعتی : ظهور اقتصاد خودمختار – قسمت اول
برای درک زمان حال ، باید در مورد گذشته تحقیق کرد. برای دیدن آینده ، انسان باید حرکت را در زمان حال احساس کند. وقتی گذشته را بررسی می کنیم ، روشن می شود که پیشرفت فناوری ، بدون شک عامل اصلی پیشرفت در تمدن بشری بوده است. درست مانند …
بیشتر بخوانید »مبانی یادگیری عمیق با استفاده از Keras
یادگیری عمیق شاخه ای از رشته هوش مصنوعی است که از شبکه های عصبی برای یادگیری ماشین استفاده می کند و در سال های اخیر ، نسبت به روش های یادگیری ماشین سنتی ، در کاربردهای بینایی رایانه ای ، پردازش زبان طبیعی ، رباتیک و بسیاری از حوزه های …
بیشتر بخوانید »تفسیر پذیری مدل های یادگیری عمیق با Tensorflow 2.0
مقدمه ای بر روش های تفسیر پذیری برای سهولت نظارت بر آموزش شبکه عصبی استفاده از روش Grad Cam روی کلاس گوزن از دیتاست ImageNet این مقاله به معرفی کتابخانه tf-explain می پردازد و توضیحاتی در مورد روش های تفسیر پذیری ، مانند Grad CAM ، با Tensorflow 2.0 ارائه …
بیشتر بخوانید »