×
مجموعه آموزش شبکه‌ های عصبی مصنوعی | مقدماتی تا پیشرفته

مجموعه آموزش شبکه‌ های عصبی مصنوعی | مقدماتی تا پیشرفته

مدت زمان آموز‌ش‌های این صفحه
۷۴ ساعت
تعداد آموز‌ش‌های این صفحه
۸ عنوان آموزشی
1

مجموعه آموزش های کاربردی شبکه های عصبی مصنوعی

مجموعه فرادرس های شبکه عصبی، شامل پنج فرادرس در زمینه شبکه های عصبی مصنوعی و کاربردهای آن ها، حتما یکی از بهترین انتخاب های علمی شما برای ورود به این حوزه علمی خواهد بود. آینده در هر حوزه ای در دست آن هایی است که نگاهی رو به جلو در محور زمان دارند.

مدرس: دکتر اسماعیل آتشپز گرگری مدت زمان آموزش: ۸ ساعت و ۳۸ دقیقه
یادگیری را شروع کنید
2

آموزش سیستم های فازی در متلب

مجموعه فرادرس های سیستم های فازی در متلب عنوان یک مجموعه آموزشی کامل است که شامل تقریبا ۲۱ ساعت فیلم آموزشی ناب به زبان فارسی است. این مجموعه آموزشی از چندین قسمت تشکیل شده است.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۲۰ ساعت و ۳۹ دقیقه
یادگیری را شروع کنید
3

آموزش شبکه های عصبی مصنوعی در متلب

مجموعه فرادرس های شبکه های عصبی مصنوعی در متلب، مجموعه ای از هفت فرادرس جامع درباره شبکه های عصبی مصنوعی است. این بسته آموزشی بی نظیر، در مجموع شامل تقریبا ۲۷ ساعت برنامه آموزشی تخصصی است، که تمام بخش های آن به صورت تئوری و عملی ارائه شده اند.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۲۸ ساعت و ۲ دقیقه
یادگیری را شروع کنید
4

آموزش طراحی سیستم های فازی عصبی یا ANFIS با استفاده از الگوریتم های فراابتکاری و تکاملی

طراحی و آموزش سیستم های استنتاج فازی (FIS) و سیستم های تطبیقی استنتاج عصبی فازی (انفیس یا ANFIS) معمولا با استفاده از رویکردهای کلاسیک، نظیر: گرادیان نزولی (Gradient Descend) و پس انتشار (Back-Propagation) انجام می شود. اما در این آموزش، کاربرد الگوریتم های تکاملی و فراابتکاری در طراحی بهینه سیستم های فازی نوع تاکاگی-سوگنو-کانگ (TSK) مورد بحث واقع شده است.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۲ ساعت و ۱۶ دقیقه
یادگیری را شروع کنید
5

آموزش شبکه عصبی GMDH به همراه پیاده سازی عملی در متلب

در «فیلم آموزشی شبکه عصبی GMDH در متلب»، پس از تشریح کامل مبانی تئوری و شیوه عملکرد الگوریتم GMDH چند جمله ای، پیاده سازی عملی و گام به گام این نوع از شبکه عصبی، به صورت کامل در محیط متلب انجام شده است. در ادامه نیز، با استفاده از برنامه نوشته شده برای ایجاد ساختارهای GMDH، مسائل مختلفی در حوزه های متعدد حل و بررسی شده اند.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۴ ساعت و ۱۶ دقیقه
یادگیری را شروع کنید
6

آموزش شبکه های عصبی گازی به همراه پیاده سازی عملی در متلب

شبکه عصبی گازی یا شبکه گاز عصبی (Neural Gas Network) یکی از انواع شبکه های عصبی رقابتی با الگوی یادگیری غیر نظارت شده است، که کاربرد اصلی آن در حل مسائل خوشه بندی (Clustering) و یادگیری توپولوژی (Topology) است. این نوع از شبکه عصبی، از نظر طبقه بندی در رده الگوریتم های Vector Quantization (به اختصار VQ) قرار می گیرد و ارتباط بسیار نزدیکی با الگوریتم خوشه بندی k-Means، شبکه عصبی SOM (نگاشت های خود سازمان ده) و شبکه عصبی LVQ دارد. شبکه گاز عصبی علاوه بر انجام خوشه بندی و قرار دادن مرکز خوشه ها در محل مناسب، ارتباط های همسایگی میان نورون ها (مراکز خوشه ها) را به صورت پویا ایجاد می کند، که در نهایت این الگوریتم را، قادر به یادگیری توپولوژی می کند.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۳ ساعت و ۱۶ دقیقه
یادگیری را شروع کنید
7

آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ در متلب

در فیلم آموزشی «طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ در متلب»، مبانی تئوری همه الگوریتم های مورد اشاره، به همراه ده ها مبحث تخصصی دیگر، به صورت کامل و به زبان ساده مورد بحث و بررسی قرار می گیرند. در ادامه، پس از تشریح مبانی تئوری، با استفاده از امکانات جعبه ابزار (تولباکس) شبکه عصبی متلب و توابع تعبیه شده در آن، با استفاده از متدهای برنامه نویسی متلب، شبکه عصبی LVQ در متلب پیاده سازی شده است و برای حل چند مساله طبقه بندی مورد استفاده قرار گرفته است.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۲ ساعت و ۴۱ دقیقه
یادگیری را شروع کنید
8

آموزش مقدماتی پیاده سازی شبکه های عصبی مصنوعی در پایتون

شبکه عصبی مصنوعی (Artificial Neural Network) که در واقع یک مدل‌سازی از مغز است، کاربردهای زیادی در علم و صنعت دارد. به عنوان مثال، سیستم تشخیص هویت گوشی‌های موبایل، خودرو‌های خودران و یا نرم‌افزارهای تغییر چهره و سن، از شبکه‌های عصبی مصنوعی استفاده می‌کنند. ما نیز در این فرادرس، به آموزش انواع شبکه‌های عصبی و پیاده‌سازی آن‌ها به کمک زبان برنامه‌نویسی پایتون (Python) پرداخته‌ایم. شما در انتهای این آموزش علاوه بر آشنایی با انواع شبکه های عصبی، قادر خواهید بود تا با توجه به نیاز خود، شبکه عصبی مورد نظر را پیاده‌سازی کرده و نتایج کار خود را مشاهده کنید. همچنین این فرادرس شما را آماده می‌کند تا بتوانید با خیالی راحت‌تر و دید مناسب‌تر، به سراغ فراگیری مبحث یادگیری عمیق (Deep Learning) بروید.

مدرس: اسلام توکلی مدت زمان آموزش: ۴ ساعت و ۴ دقیقه
یادگیری را شروع کنید