• صفحه اصلی
  • دوره های آموزشی

    About Courses

    • فیزیک 1
    • ترکیبیات مقدماتی (المپیاد)
    فیلمهای کمک آموزشی الگوریتم پرندگان (تراکم ذرات)

    فیلمهای کمک آموزشی الگوریتم پرندگان (تراکم ذرات)

    رایگان
    مطالعه بیشتر
  • همکاری با ما
  • درباره ما
  • راهنمای سفارش
  • تماس با ما
      • Cart

        0
    سوالی دارید؟
    info@talimestan.com اگر ایمیل های تعلیمستان به شما نمیرسند پوشه اسپم خود را چک کنید.
    عضویتورود
    تعلیمستانتعلیمستان
    • صفحه اصلی
    • دوره های آموزشی

      About Courses

      • فیزیک 1
      • ترکیبیات مقدماتی (المپیاد)
      فیلمهای کمک آموزشی الگوریتم پرندگان (تراکم ذرات)

      فیلمهای کمک آموزشی الگوریتم پرندگان (تراکم ذرات)

      رایگان
      مطالعه بیشتر
    • همکاری با ما
    • درباره ما
    • راهنمای سفارش
    • تماس با ما
        • Cart

          0

      دانشگاه

      • خانه
      • همه دوره ها
      • دانشگاه
      • انتقال یادگیری در شبکه های عصبی عمیق مانند AlexNet و GoogLeNet

      انتقال یادگیری در شبکه های عصبی عمیق مانند AlexNet و GoogLeNet

      Admin bar avatar
      دکتر فرنود مریخ بیات
      دانشگاه, نرم افزار کاربردی, یادگیری ماشین
      (0 نظر)
      25,000 تومان
      tl4
      • مرور کلی
      • برنامه تحصیلی
      • مدرس
      • بررسی ها

      در این درس-پروژه فشردۀ یادگیری عمیق (Deep Learning) با حل دو مسئلۀ برگرفته از راهنمای متلب به توضیح انتقال یادگیری (Transfer Learning) و نحوۀ پیاده سازی آن در محیط متلب می پردازیم. همان طور که می دانیم آموزش دقیق شبکه های عصبی عمیق نیازمند ده ها و شاید صدها کارت گرافیکی (GPU) و صرف هفته ها و یا حتی ماه ها زمان است که با استفاده از مفهوم انتقال یادگیری می توان از اتلاف این حجم عظیم از وقت و هزینه جلوگیری نمود. انتقال یادگیری در شبکه های عصبی به معنی تغییر جزئی یک شبکۀ عمیق آموزش دیده برای حل مسئلۀ A است به گونه ای که بدون نیاز به آموزش دوبارۀ تمام شبکه بتوان از آن برای حل مسئلۀ کاملاً متفاوت B استفاده نمود. در این درس این مفهوم را به طور فشرده و با حل دو مسئله در متلب توضیح خواهیم داد. در مثال اول، شبکۀ کانولوشنی عمیق (Convolutional Neural Network: CNN) آموزش دیده برای دسته بندی تصاویر حاوی اعداد دست نوشته را از طریق انتقال یادگیری به یک شبکۀ جدید برای حل مسائل رگرسیون تبدیل کرده و از طریق آن میزان چرخش اعداد دست نوشته در تصاویر را تخمین می زنیم. در مسئله یا مثال دوم، تمرکز را بر روی شبکه های عمیق تر و پیچیده تر مانند AlexNet، GoogLeNet یا Resnet می گذاریم و نشان می دهیم که چگونه در محیط متلب می توان با اعمال انتقال یادگیری به این شبکه های عمیق (آموزش دیده برای دسته بندی تصاویر داده های آموزشی ImageNet به 1000 کلاس خروجی) از آنها در حل دیگر مسائل رگرسیون یا دسته بندی بدون نیاز به آموزش دوباره تمام شبکه استفاده نمود.

      مطالبی که در این پروژه خواهیم دید:

      • مفهوم انتقال یادگیری و پیاده سازی آن در متلب
      • نحوۀ تغییر لایه های ورودی و خروجی شبکۀ آموزش یافته به لایه هایی منطبق با مسئلۀ خود و آموزش این لایه های جدید
      • آشنایی با روش های مختلف آموزش شبکه های عصبی عمیق بعد از انتقال یادگیری
      • نحوۀ جلوگیری از آموزش دوبارۀ برخی از لایه های شبکه های عصبی منتقل شده
      • پیاده سازی چند مسئله با استفاده از انتقال یادگیری مابین شبکه های عصبی گوناگون
      • حل دو مسئلۀ متفاوت با انتقال یادگیری در متلب:
        1. تغییر شبکۀ دسته بندی به شبکۀ تخمینی (برای سنجش میزان چرخش اعداد در تصاویر و سپس تصحیح چرخش)
        2. انتقال یادگیری از شبکۀ AlexNet برای حل مسئلۀ جدید دسته بندی

      آنچه با خرید این مجموعه دریافت خواهید نمود:

      1- کدهای کامنت گذاری شدۀ متلب مثال های ارائه شده در این درس-پروژه

      2- ویدئوی توضیح فشردۀ پیاده سازی انتقال یادگیری در متلب از طریق مرور خط به خط دستورهای استفاده شده در کدهای ارائه شده

      3- فایل pdf توضیح این درس-پروژه که در بردارندۀ تعریف صورت مسئله، بیان خلاصۀ انتقال یادگیری و نحوۀ حل مثال های ارائه شده در محیط متلب با توضیح کامل دستورات استفاده شده می باشد.

      لازم به ذکر است که برای اجرای این درس-پروژه در متلب باید Deep Learning Toolbox نصب شده باشد.

      نمونه هایی از خروجی های متلب در مثال اول:

      نمونه هایی از خروجی های متلب در مثال دوم:

      ویژگی های دوره

      • عناوین 1
      • امتحانات 0
      • مدت 42 دقیقه
      • سطح مهارت تحصیلات تکمیلی
      • زبان فارسی
      • دانشجویان 240
      • گواهی نه
      • ارزیابی ها بله
      دوره هادانشگاهانتقال یادگیری در شبکه های عصبی عمیق مانند AlexNet و GoogLeNet
      • درس 1

        • سخنرانی1.1
          حل مسائل دسته بندی و رگرسیون از طریق انتقال یادگیری در شبکه های عصبی عمیق مانند AlexNet و GoogLeNet 42 دقیقه
      Admin bar avatar
      دکتر فرنود مریخ بیات
      دکترای اول: مهندسی برق، گرایش الکترونیک دیجیتال از دانشگاه صنعتی شریف | دکترای دوم: مهندسی کامپیوتر، گرایش سخت افزارهای مبتنی بر هوش مصنوعی از دانشگاه سانتا باربارا، آمریکا | پژوهشگر پسادکترای مهندسی کامپیوتر در دانشگاه UCSB | مولف و مولف همکار بیش از 10 عنوان ثبت اختراع جهانی و بیش از 60 مقالۀ پژوهشی در ژورنالهای معتبر (از جمله چهار مقاله در ژورنالهای معتبر نیچر مانند Nature ،Nature Electronics و Nature Communications) | زمینه های پژوهشی: یادگیری ماشین، شبکه های عصبی، سخت افزارهای هوشمند، شبکه های عصبی عمیق، الگوریتمهای فازی، سخت افزارهای نرومورفیکی، ساختارها و سخت افزارهای ممریستوری، سیستم های دیجیتال و پردازنده های سریع، پردازنده های آنالوگی

      نظرات

      میانگین امتیازها

      0
      0 امتیاز

      جزئیات امتیاز

      5
      0%
      4
      0%
      3
      0%
      2
      0%
      1
      0%
      • مرور کلی
      • برنامه تحصیلی
      • مدرس
      • بررسی ها
      25,000 تومان
      • اشتراک گذاری :

      دوره های مرتبط

      پیش بینی سریهای زمانی با شبکۀ بازگشتی عمیق مطالعه بیشتر
      Admin bar avatar
      دکتر فرنود مریخ بیات

      پیش بینی سریهای زمانی با شبکۀ بازگشتی عمیق

      167
      0
      25,000 تومان
      یادگیری عمیق و کار با شبکه های عصبی عمیق در متلب مطالعه بیشتر
      Admin bar avatar
      دکتر فرنود مریخ بیات

      یادگیری عمیق و کار با شبکه های عصبی عمیق در متلب

      317
      1
      39,000 تومان

      یک دیدگاه ارسال کنید لغو پاسخ

      نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

      همه دوره ها

      • المپیاد
      • دانشگاه
      • فنی و مهندسی
      • متفرقه
      • نرم افزار کاربردی
      • یادگیری ماشین

      آخرین دوره ها

      یادگیری عمیق و کار با شبکه های عصبی عمیق در متلب

      یادگیری عمیق و کار با شبکه های عصبی عمیق در متلب

      39,000 تومان
      تنظیم پارامترهای کنترل کنندۀ PID با متلب/سیمولینک

      تنظیم پارامترهای کنترل کنندۀ PID با متلب/سیمولینک

      رایگان
      انتقال یادگیری در شبکه های عصبی عمیق مانند AlexNet و GoogLeNet

      انتقال یادگیری در شبکه های عصبی عمیق مانند AlexNet و GoogLeNet

      25,000 تومان

      همه مطالب

      نوشته آزمایشی 2
      13آبان1399
      نوشته آزمایشی
      13آبان1399

      info@talimestan.com

      لینک های مفید

      • درباره ما
      • ثبت نام
      • حساب کاربری

      توصیه شده

      • تماس با ما
      • درباره ما
      • دوره ها

      نماد اعتماد الکترونیک

      کلیه ی حقوق مادی و معنوی این وبسایت متعلق به شرکت دانش گران هوشمند آکام است.

      با حساب کاربری خود وارد شوید

      رمز عبور خود را فراموش کرده اید؟

      آیا هنوز عضو نشده اید؟ ثبت نام کنید

      یک حساب جدید ثبت کنید

      آیا شما عضو هستید؟ اکنون وارد شوید