شناسایی الگو و تقریب توابع (رگرسیون) - بخش سوم
شناسایی الگو و تقریب توابع (رگرسیون) - بخش سوم
برای مشاهده ویدیو ، لطفا دوره را خریداری نمایید.یا در صورتی که دوره را خریداری کرده اید وارد حساب کاربری خود شوید.

شناسایی الگو و تقریب توابع (رگرسیون) - بخش سوم

توضیحات

کاربردهای شبکه های عصبی- شناسایی الگو (Pattern Recognition) یا طبقه بندی(Classification) و تقریب تابع (رگرسیون) Pattern Recognition and Function Approximation (Regression) c. بخش سوم i. مزایا و محدویتهای روش حل شبه معکوس ii. توضیح الگوریتم حل تکراری/LMS/گرادیان نزولی/قانون دلتا iii. بدست آوردن روابط بروزرسانی updateپارامترها iv. کارکرد ضریب یادگیری، نحوه پیاده سازی الگوریتم بروی داده ها v. مثال عددی و پیاده سازی الگوریتمها روی داده دراختیار و توضیح under fitting overfitting روی داده ها

هزینه دوره:
2,000,000 تومان600,000 تومان

شبکه‌های عصبی و یادگیری عمیق

39 ساعت و 2 دقیقه
16 قسمت
1. مقدمه
2. تعاریف و مفاهیم پایه
3. کاربردهای شبکه‌های عصبی
4. شبکه‌های عصبی تک لایه (پرسپترون و آدالاین)
5. پرسپترون چند لایه (شبکه‌های عصبی جلوسو)
6. کاربردهای پرسپترون چند لایه
7. توابع شعاعی پایه (RBF)
8. یادگیری هب و تحلیل مؤلفه‌های اصلی
9. یادگیری رقابتی
10. شبکه های خودسازمانده کوهنن
قسمت های جدید هر هفته به این دوره اضافه خواهد شد.