آموزش هوش مصنوعی ۲ - شبکه‌های عصبی کاربردی (جاوا) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

اصول اولیه هوش مصنوعی Artificial Intelligence Basics

• چرا باید هوش مصنوعی و یادگیری ماشین را یاد بگیریم؟ Why to learn artificial intelligence and machine learning?

• انواع روش‌های یادگیری هوش مصنوعی Types of artificial intelligence learning methods

شبکه‌های عصبی با تئوری انتشار رو به عقب Neural Networks With Backpropagation Theory

• شبکه‌های عصبی پیش‌خوردی چه هستند؟ What are feed-forward neural networks?

• شبکه‌های عصبی مصنوعی - مدل Artificial neural networks - the model

• چرا باید از توابع فعال‌سازی استفاده کنیم؟ Why to use activation functions?

• شبکه‌های عصبی - تصویر بزرگ Neural networks - the big picture

• استفاده از نودهای بایاس در شبکه عصبی Using bias nodes in the neural network

• چگونه خطای شبکه را اندازه‌گیری کنیم؟ How to measure the error of the network?

• بهینه‌سازی با گرادیان کاهشی Optimization with gradient descent

• گرادیان کاهشی با انتشار رو به عقب Gradient descent with backpropagation

• انتشار رو به عقب توضیح داده شد Backpropagation explained

• فرمول‌بندی ریاضی شبکه‌های عصبی پیش‌خوردی Mathematical formulation of feed-forward neural networks

• آزمون شبکه‌های عصبی Neural Networks Quiz

مدل پرسپترون واحد Single Perceptron Model

• آموزش مدل پرسپترون Perceptron model training

• پیاده‌سازی مدل پرسپترون I Perceptron model implementation I

• پیاده‌سازی مدل پرسپترون II Perceptron model implementation II

• پیاده‌سازی مدل پرسپترون III Perceptron model implementation III

• تلاش برای حل مسئله XOR Trying to solve XOR problem

• نتیجه‌گیری: خطی بودن و لایه‌های پنهان Conclusion: linearity and hidden layers

پیاده‌سازی انتشار رو به عقب Backpropagation Implementation

• ساختار شبکه پیش‌خوردی Structure of the feedforward network

• پیاده‌سازی انتشار رو به عقب I - تابع فعال‌سازی Backpropagation implementation I - activation function

• پیاده‌سازی انتشار رو به عقب II - NeuralNetwork Backpropagation implementation II - NeuralNetwork

• پیاده‌سازی انتشار رو به عقب III - Layer Backpropagation implementation III - Layer

• پیاده‌سازی انتشار رو به عقب IV - اجرا Backpropagation implementation IV - run

• پیاده‌سازی انتشار رو به عقب V - آموزش Backpropagation implementation V - train

عملگرهای منطقی Logical Operators

• معرفی عملگرهای منطقی Logical operators introduction

• اجرای شبکه عصبی: AND Running the neural network: AND

• اجرای شبکه عصبی: OR Running the neural network: OR

• اجرای شبکه عصبی: XOR Running the neural network: XOR

خوشه‌بندی Clustering

• خوشه‌بندی با شبکه‌های عصبی I Clustering with neural networks I

• خوشه‌بندی با شبکه‌های عصبی II Clustering with neural networks II

دسته‌بندی - مجموعه داده Iris Classification - Iris Dataset

• درباره مجموعه داده Iris About the Iris dataset

• ساخت شبکه عصبی Constructing the neural network

• تست شبکه عصبی Testing the neural network

• محاسبه دقت مدل Calculating the accuracy of the model

تشخیص کاراکتر نوری (OCR) Optical Character Recognition (OCR)

• تئوری تشخیص کاراکتر نوری Optical character recognition theory

• نصب paint.net Installing paint.net

• تبدیل یک تصویر به داده عددی Transform an image into numerical data

• ایجاد مجموعه‌های داده Creating the datasets

• OCR با شبکه عصبی OCR with neural network

مطالب دوره (دانلودها) Course Materials (DOWNLOADS)

• مطالب دوره Course materials