یادگیری هب (Hebbian Learning) و تحلیل مؤلفه‌های اصلی (PCA)

توضیحات

یادگیری هبین (Hebbian Learning) و تحلیل مولفه های اساسی (PCA: Principal Components Analysis) a. معرفی مفهوم همزمانی در آموزش هبین (بدون ناظر unsupervised) b. معرفی اصول یادگیری هبین c. توضیح ریاضی پیاده سازی PCA و کاربردهای آن در شناسایی الگو(یادگیری ماشین) ، کاهش بعد فضای ویژگی Dimension Reduction d. ارائه مثالهایی توصیفی e. پیاده سازی شبکه عصبی برای پیداکردن راستای ماکزیمم پراکندگی Hebbian based Maximum Eignfilter f. پیاده سازی PCA با شبکه Hebbian و مسائل مرتبط با آن g. فرمول بندی و قوانین آموزش h. مثال پیاده سازی PCA روی داده IRIS i. تفاوتهای پیاده سازی PCA با شبکه هبین و MLP، مفهوم PCA غیر خطی و منحنی اساسیPrinciple curve or surface j. تفاوت PCA با ICA: Independent component Analysis