پرسپترون چند لایه - بخش سوم

توضیحات

شبکه های عصبی چند لایه پرسترون / جلوسو : Multi layers Perceptron(MLP)/Feedforward Neural Network (FFNN) c. بخش سوم i. تعمیم دهی Generalization در شبکه های عصبی ii. چرا شبکه MLP میتواند هر تابعی را تقریب بزند؟ قضیه تقریب زننده جامع Universal Approximation Theorem iii. تفسیر هر لایه شبکه عصبی درمسائل طبقه بندی Explainability and Interpretation of MLP Layers iv. توضیح گرافیکی موارد فوق v. اعتبارسنجی متقابل/عرضی Cross Validation و انواع آن Hould out, K-fold, Stratified K-fold, Leave one out, Permutated or repeated random splits vi. دلایل تقسیم داده به سه مجموعه آموزش، اعتبارسنجی و آزمونTest Train, Validation, vii. معیار توقف شبکه با داده اعتبارسنجی/ نقطه توقف اولیه Early Stopping Point viii. مقدمه ای بر هرس شبکهNetwork Pruning، پیدا کردن ورودیهای اثر گذار به شبکه(انتخاب ویژگی)، تعیین ساختارشبکه با معیارهای آکائیکه، بیزین AIC، BIC