آموزش شبکه های عصبی در C ++

Training Neural Networks in C++

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: در مورد هدف ، ساختار و روند آموزش شبکه های عصبی برای بهبود مهارت های یادگیری ماشین خود اطلاعات کسب کنید. در این دوره مبتنی بر پروژه ، مدرس Eduardo Corpeño به شما می آموزد که چگونه یک سیستم هوشمند با یک شبکه عصبی از ابتدا در C ++ ایجاد کنید و همچنین نحوه انتخاب روش آموزش صحیح شبکه عصبی و روش آموزش مناسب برای هر مشکل را به شما می آموزد. ادواردو با توضیح تفاوت بین شبکه عصبی و سایر ابزارهای برنامه نویسی شروع می کند. وی دلیل استفاده این دوره از C ++ و چگونگی افزودن انواع مختلف شبکه های عصبی به جعبه ابزار خود را بیان می کند. الهام از شبکه های عصبی مصنوعی مغز است و ادواردو قسمت هایی از یک نورون بیولوژیکی را به عناصر C ++ مرتبط می کند ، سپس نحوه استفاده از توابع فعال سازی و گیرنده ها را در ساخت مدل های عصبی نشان می دهد. ادواردو مراحل مورد نیاز برای ساخت و آموزش شبکه خود را پوشش می دهد. او تشخيص تشخيص سگمنت را توضيح مي دهد ، سپس شما را در طراحي و آموزش شبکه عصبي SDR خود راهنمايي مي کند.

سرفصل ها و درس ها

معرفی Introduction

  • یک شبکه عصبی از ابتدا در C ++ ایجاد کنید Create a neural network from scratch in C++

  • آنچه شما باید بدانید What you should know

  • استفاده از GitHub برای پرونده های تمرینی Using GitHub for the exercise files

1. انتخاب شبکه عصبی 1. Choosing a Neural Network

  • شبکه عصبی چیست؟ What is a neural network?

  • چرا C ++؟ Why C++?

  • بسیاری از کاربردهای یادگیری ماشین The many applications of machine learning

  • انواع طبقه بندی کننده ها Types of classifiers

  • انواع شبکه های عصبی Types of neural networks

  • گیرنده های چند لایه Multilayer perceptrons

2. بلوک های ساختمانی شبکه های عصبی 2. The Building Blocks of Neural Networks

  • نورونها و مغز Neurons and the brain

  • یک مدل ساده از یک نورون A simple model of a neuron

  • توابع فعال سازی Activation functions

  • پرسپترون ها: مدل بهتری از یک نورون Perceptrons: A better model of a neuron

  • چالش: پرسپترون را تمام کنید Challenge: Finish the perceptron

  • راه حل: پرسپترون را تمام کنید Solution: Finish the perceptron

  • درگاه های منطقی Logic gates

  • چالش: دروازه های منطقی با گیرنده ها Challenge: Logic gates with perceptrons

  • راه حل: دروازه های منطقی با گیرنده ها Solution: Logic gates with perceptrons

3. ایجاد شبکه خود 3. Building Your Network

  • قابل تفکیک خطی Linear separability

  • نوشتن کلاس چند لایه پرسپترون Writing the multilayer perceptron class

  • چالش: کلاس پرسپترون چند لایه را به پایان برسانید Challenge: Finish the multilayer perceptron class

  • راه حل: کلاس پرسپترون چند لایه را به پایان برسانید Solution: Finish the multilayer perceptron class

4. آموزش شبکه خود 4. Training Your Network

  • نیاز به آموزش The need for training

  • روند آموزش The training process

  • عملکرد خطا Error function

  • شیب نزولی Gradient descent

  • قانون دلتا The delta rule

  • الگوریتم انتشار عقب The backpropagation algorithm

  • چالش: عملکرد پس انتشار خود را بنویسید Challenge: Write your own backpropagation function

  • راه حل: عملکرد تکثیر خود را بنویسید Solution: Write your own backpropagation function

5. یک طبقه بندی نمایشگر سگمنت ایجاد کنید 5. Make a Segment Display Classifier

  • تشخیص نمایش بخش Segment display recognition

  • چالش: شبکه عصبی SDR خود را طراحی کنید Challenge: Design your own SDR neural network

  • راه حل: شبکه عصبی SDR خود را طراحی کنید Solution: Design your own SDR neural network

  • چالش: شبکه عصبی SDR خود را آموزش دهید Challenge: Train your own SDR neural network

  • راه حل: شبکه عصبی SDR خود را آموزش دهید Solution: Train your own SDR neural network

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش شبکه های عصبی در C ++
جزییات دوره
1h 48m
36
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
244
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Eduardo Corpeño Eduardo Corpeño

مهندس برق، برنامه نویس کامپیوتر و معلم بیش از 15 سال

ادواردو کورپنو بیش از 15 سال مهندس برق، برنامه نویس کامپیوتر و معلم بوده است.

ادواردو فارغ التحصیل مفتخر از برنامه کارشناسی ارشد آنلاین علوم کامپیوتر از گرجستان تک است. او بیش از 20 دوره آنلاین با موضوعاتی مانند میکروکنترلرها، سیستم های جاسازی شده و حل مسائل مهندسی منتشر کرده است. در دانشگاه گالیله، شهر گواتمالا، او موضوعات مختلفی از جمله نظریه مدارهای الکتریکی، معماری کامپیوتر، میکروکنترلرها و طراحی برد مدار چاپی را تدریس می کند. ادواردو به همراه برخی از همکارانش، یکی از اولین MOOC ها را در سال 2013 به زبان اسپانیایی ایجاد کرد - مقدمه ای بر Raspberry Pi - و بعداً توسط دیوید پترسون و اندرو واترمن، برنده جایزه تورینگ، "The RISC-V Reader: An Open Architecture Atlas" را به اسپانیایی ترجمه کرد. .