tags شبکه عصبی

ساختار شبکه‌های عصبی مصنوعی به زبان ساده (Artificial Neural Network)

شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری می‌باشد. همراه رادوو باشید، با قسمت اول آموزش شبکه‌های عصبی مصنوعی

شروع هوش مصنوعی، اولین قدم برای یادگیری هوش مصنوعی چیست؟

من یک تازه کار هستم که حتی مبانی اولیه و نحوه کارکرد هوش مصنوعی را نمی‌دانم. از کجا باید شروع کنم؟ باید چکار کنم؟ با رادوو همراه باشید تا با یکدیگر قدم به قدم مراحل شروع کار هوش مصنوعی را طی کنیم.

وقتی رباتها از انسانها سریعتر می شوند!

عملکرد پایین انسانها در مقابله با خطرهای محسوس، به خاطر محدودیت مغزی آنهاست. رباتهای آینده، دامنه ی محدودیت بیشتر از انسانها خواهند داشت به طوری که انسان توانایی درک آن را هم ندارد.

یادگیری عمیق، ساخت سطوح سه بعدی از تصاویر دو بعدی به وسیله شبکه‌های عمیق

آیان سینها از دانشگاه MIT، روشی جدیدی در هوش مصنوعی با استفاده از یادگیری عمیق ارائه داده است که می تواند از تصاویر دوبعدی اشکال، مدل سه بعدی آن را استخراج کند. این روش می تواند تکمیل کننده فناوری های واقعیت مجازی و چاپگرهای سه بعدی باشد.

تطابق استریو با کمک شبکه عصبی هاپفیلد

استخراج اطلاعات عمق یک مسئله مهم در بینایی ماشین است. همچنین بینایی استریو یک تکنیک جالب برای بازیابی اطلاعات سه بعدی از تصاویر است. در این مقاله تکنیک تطابق استریو مبتنی بر Scanline با استفاده از شبکه عصبی هاپفیلد همگام (SHNN Synchronous Hopfield neural network) ارائه شده است.

ساخت شبکه عصبی مصنوعی ساده با زبان javascript

در این پست با هم می بینیم که چطور می توان از طریق کتابخانه Synaptic js در جاوا اسکریپت یک شبکه عصبی مصنوعی ساده طراحی کرد. Synaptic js این امکان را به ما می دهد تا از طریق node js بتوانیم یک سیستم یادگیری عمیق بسازیم.

آموزش رایگان صفر تا صد شبکه‌های عصبی کانولوشن

الگوریتم های یادگیری عمیق، زیرمجموعه ای از الگوریتم های یادگیری ماشین هستند که هدف آنها کشف چندین سطح از بازنمودهای (نمایش)های توزیع شده، از داده ورودی است. اخیرا الگوریتم های یادگیری عمیق زیادی برای حل مسائل هوش مصنوعی سنتی ارائه شده اند.

تشریح شبکه عصبی کانولوشن به بیان ساده + ویدئو

شبکه های عصبی کانولوشن CNN در فضاهای گسترده ای از جمله تشخیص الگو، تشخیص سخن، پردازش زبان طبیعی و آنالیز ویدیو کاربرد دارد. برای تفهیم بهتر این نوع شبکه ویدئوی پیوست شده در ادامه مطلب را تماشا کنید.

سیستم ایمنی مصنوعی یا AIS

سیستم ایمنی مصنوعی به طور موفقیت آمیزی برای دامنه وسیعی از مسائل مانند تشخیص نفوذ به شبکه تا مدل های دسته بندی داده، یادگیری مفهوم، خوشه بندی داده، رباتیک، شناسایی الگو، داده کاوی، همچنین برای مقدار دهی اولیه وزن ها در شبکه عصبی و بهینه سازی توابع چند وجهی استفاده می شود.

tags شبکه عصبی