۹۵,۰۰۰ تومان

آموزش شبکه عصبی پرسپترون + پیاده سازی در متلب

آموزش شبکه عصبی پرسپترون + پیاده سازی در متلب

هزینه آموزش
۹۵,۰۰۰ تومان

تعداد دانشجو
۱۵ نفر
مدت زمان
۱ ساعت و ۱۷ دقیقه
محتوای این آموزش
تضمین کیفیت

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

تعداد دانشجو
۱۵ نفر
مدت زمان
۱ ساعت و ۱۷ دقیقه
هزینه آموزش
۹۵,۰۰۰ تومان
محتوای این آموزش

حسن سعادتمند

کارشناس ارشد مهندسی برق - کنترل

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:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

MATLAB 2021b

پیش نمایش‌ها

۱. پیدایش شبکه عصبی پرسپترون (Perceptron) و کاربردهای آن
۲. تست شبکه عصبی پرسپترون
این آموزش شامل ۸ جلسه ویدئویی با مجموع ۱ ساعت و ۱۷ دقیقه است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

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)


تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
آموزش‌های مرتبط با آموزش شبکه عصبی پرسپترون + پیاده سازی در متلب


آموزش‌های پیشنهادی برای شما


نظرات

تا کنون ۱۵ نفر از این آموزش استفاده کرده اند و هنوز نظری ثبت نشده است.
دسته‌بندی موضوعی: متلب | شبکه های عصبی مصنوعی
برچسب‌ها:
Artificial Neural Network | MATLAB software | Perceptron‎ Learning‎ Rule‎ | آموزش شبکه عصبی پرسپترون | انواع شبکه ‌های عصبی مصنوعی | اهمیت شبکه عصبی پرسپترون | اهمیت قانون یادگیری پرسپترون | ایجاد داده طبقه ‌بندی پرسپترون | بررسی شبکه عصبی پرسپترون | بررسی شبه ‌کد قانون پرسپترون | بررسی قانون یادگیری پرسپترون | پیاده ‌سازی پرسپترون در متلب | پیاده سازی شبکه عصبی پرسپترون | پیدایش شبکه عصبی پرسپترون | ترسیم داده‌ ها پرسپترون | تست شبکه عصبی پرسپترون | شبکه عصبی پرسپترون | شبکه های عصبی مصنوعی | شبه ‌کد قانون پرسپترون | عملکرد شبکه عصبی پرسپترون | عملکرد قانون یادگیری پرسپترون | فرایند یادگیری شبکه‌ های عصبی مصنوعی | قانون یادگیری پرسپترون | کاربرد شبکه عصبی پرسپترون | کاربرد قانون یادگیری پرسپترون | کارکرد شبکه عصبی پرسپترون | کد قانون پرسپترون | کدنویسی قانون پرسپترون | کدنویسی قانون پرسپترون بدون توابع متلب | کلاس ‌بندی‌ های پرسپترون | معرفی شبکه عصبی پرسپترون | مفاهیم شبکه عصبی پرسپترون | مفاهیم قانون یادگیری پرسپترون | مفهوم پرسپترون | مفهوم یادگیری در پرسپترون | مقدمه ‌ای بر شبکه‌های عصبی | نرم افزار MATLAB | نرم افزار متلب
مشاهده بیشتر مشاهده کمتر
×
فهرست جلسات ۸ جلسه ویدئویی
×