شبکه‌های عصبی مصنوعی تبدیل به یکی از ابزارهای پایه‌ای در علوم مهندسی شده است. از بین انواع شبکه‌های عصبی مصنوعی، شبکه عصبی پرسپترون (Perceptron Neural Network) یا قانون یادگیری پرسپترون (Perceptron Learning Rule) پایه‌ترین عنصر شناخته شده در این حوزه است. از این رو یادگیری مفاهیم پایه و نحوه کارکرد این الگوریتم، بسیار ضروری است و می‌توان گفت یادگیری کامل یک پرسپترون، اولین و اساسی‌ترین مفاهیم یادگیری شبکه‌های عصبی مصنوعی است.
آموزش شبکه عصبی پرسپترون + پیاده سازی در متلب
همچنین ایشان به صورت تخصصی و عملی بر روی پروژه‌های تشخیص آتش (Fire Detection)، تشخیص و ردیابی خودرو و تشخیص و ردیابی انسان با استفاده از ویدئوهای دوربین‌های مداربسته فعالیت داشته‌اند. ایشان در حال حاضر مشغول پژوهش در حوزه یادگیری عمیق (Deep Learning) نیز هستند.
توضیحات تکمیلی
شبکه‌های عصبی مصنوعی (Artificial Neural Network) از نحوه عملکرد سیستم عصبی مغز انسان الهام می‌گیرد و در چند دهه اخیر استفاده از آن‌ها بسیار مورد توجه قرار گرفته است. این توجه حاصل کارایی بالای آن‌ها در حل بسیاری از مسائل و چالش‌های بشری و کاربردهای بسیاری در حوضه‌های مختلف یادگیری ماشین از قبیل یادگیری با نظارت (رگرسیون و طبقه‌بندی) و یادگیری بدون نظارت (خوشه‌بندی) است.
بنابراین شبکه‌های عصبی مصنوعی تبدیل به یکی از ابزارهای پایه‌ای در علوم مهندسی شده است. از بین انواع شبکه‌های عصبی مصنوعی، شبکه عصبی پرسپترون (Perceptron Neural Network) یا قانون یادگیری پرسپترون (Perceptron Learning Rule) پایه‌ترین عنصر شناخته شده در این حوزه است. از این رو یادگیری مفاهیم پایه و نحوه کارکرد این الگوریتم، بسیار ضروری است و می‌توان گفت یادگیری کامل یک پرسپترون، اولین و اساسی‌ترین مفاهیم یادگیری شبکه‌های عصبی مصنوعی است.
در این فرادرس تمرکز بر روی مفهوم پرسپترون و پیاده‌سازی آن در نرم‌افزار متلب (MATLAB) بدون استفاده از تولباکس متلب و به صورت پایه برای حل مسائل طبقه‌بندی به امید تسهیل کردن فرایند یادگیری شبکه‌های عصبی مصنوعی برای علاقه‌مندان به این حوزه است.
فهرست سرفصل‌ها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
- فصل یکم: مقدمه‌ای بر شبکه‌های عصبی
- درس یکم: پیدایش شبکه عصبی پرسپترون (Perceptron) و کاربردهای آن
- درس دوم: مفهوم یادگیری در پرسپترون
- درس سوم: بررسی شبه‌کد قانون پرسپترون
- فصل دوم: کدنویسی قانون پرسپترون بدون توابع متلب (MATLAB)
- درس چهارم: ایجاد داده طبقه‌بندی
- درس پنجم: کدنویسی قانون پرسپترون
- درس ششم: ترسیم داده‌ها و کلاس‌بندی‌ها
- درس هفتم: تست شبکه عصبی پرسپترون
مفید برای
- تمام رشته‌های مهندسی
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
پیش نمایش‌ها
۱.
پیدایش شبکه عصبی پرسپترون (Perceptron) و کاربردهای آن
۲.
تست شبکه عصبی پرسپترون
راهنمای سفارش آموزش‌ها
.svg)
در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
- با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
- با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه
اطلاعات تکمیلی
| نام آموزش | آموزش شبکه عصبی پرسپترون + پیاده سازی در متلب |
|---|---|
| ناشر | فرادرس |
| کد آموزش | FVNN008 |
| مدت زمان | ۱ ساعت و ۱۷ دقیقه |
| زبان | فارسی |
| نوع آموزش | آموزش ویدئویی (نمایش آنلاین + دانلود) |
| حجم دانلود | ۱۱۳ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس) |
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
نظرات