شگردهای بهبود قدرت یادگیری شبکه های عصبی


این درس یکی از درسهای بستۀ جامع آموزش شبکه های عصبی است که به طور جداگانه در اختیار افرادی که فقط به محتوای این درس علاقمند هستند قرار داده شده است. برای اینکه آموزش یک شبکۀ عصبی پیشخور چند لایه (موسوم به MLP) با هر یک از روشهای استاندارد نظیر پس انتشار خطا (مبتنی بر گرادیان نزولی) یا لونبرگ-مارکوارت و … کارآمد باشد لازم است که برخی نکات در مورد ویژگیهای آماری داده های آموزشی، شکل توابع فعال سازی، مقادیر تصادفی اولیۀ نسبت داده شده به وزنها و … به درستی رعایت شود. هر چند که نرم افزار Matlab تا حد زیادی این عملیات را به طور خودکار انجام می دهد، درک تئوری پشت این عملیات جهت حل مسائل پیچیده ضروری است چرا که در صورت مواجهه با چنین مسائلی خود کاربر باید بتواند از عهدۀ این کارها برآید. موضوعاتی از این دست در این درس مورد بحث قرار گرفته اند. به ویژه، پیش پردازش داده های آموزشی ورودی یعنی حذف میانگین، حذف همبستگی و همسان سازی کوواریانس از جمله مطالب مورد بحث در این درس هستند.
در صورت تمایل می توانید با خرید بستۀ جامع آموزش شبکه های عصبی علاوه بر این درس بسیاری از دروس مرتبط دیگر را نیز با هزینۀ مناسب تر تهیه نمایید.
ویژگی های دوره
- عناوین 1
- امتحانات 0
- مدت 54 دقیقه
- سطح مهارت کارشناسی، ارشد، دکترا
- زبان فارسی
- دانشجویان 63
- گواهی نه
- ارزیابی ها بله