شبکه های عصبی چگونه یاد می گیرند: کاوش در معماری، نزول گرادیان و انتشار پس زمینه

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

معماری شبکه: لایه ها، گره ها و توابع فعال سازی Network Architecture: Layers, Nodes, and Activation Functions

• نگاهی کوتاه به معماری شبکه های عصبی A Brief Look at Neural Network Architectures

• درک نحوه عملکرد توابع فعال سازی Understanding How Activation Functions Work

انتشار پس زمینه و یادگیری: نحوه تنظیم و یادگیری شبکه های عصبی Backpropagation and Learning: How Neural Networks Adjust and Learn

• پس انتشار دقیقاً چیست؟ What Exactly Is Backpropagation?

• نقش توابع از دست دادن The Role of Loss Functions

• اصول ریاضی: انتشار خطا و نزول گرادیان Mathematical Principles: Error Propagation and Gradient Descent

• نرخ یادگیری و تاثیر آنها Learning Rates and Their Impact

• پیاده سازی Backpropagation و Gradient Descent با استفاده از Python Implementing Backpropagation and Gradient Descent Using Python