• صفحه اصلی
  • دوره های آموزشی

    About Courses

    • فیزیک 1
    • ترکیبیات مقدماتی (المپیاد)
    روشهای پایه ای در انتگرالگیری(انتگرال نامعین)

    روشهای پایه ای در انتگرالگیری(انتگرال نامعین)

    رایگان
    مطالعه بیشتر
  • فروشگاه کتاب
  • آرشیو نوشته ها
  • 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)
      روشهای پایه ای در انتگرالگیری(انتگرال نامعین)

      روشهای پایه ای در انتگرالگیری(انتگرال نامعین)

      رایگان
      مطالعه بیشتر
    • فروشگاه کتاب
    • آرشیو نوشته ها
    • همکاری با ما
    • درباره ما
    • راهنمای سفارش
    • تماس با ما
        • Cart

          0

      دانشگاه

      • خانه
      • همه دوره ها
      • دانشگاه
      • پیش بینی سریهای زمانی با شبکۀ بازگشتی عمیق

      پیش بینی سریهای زمانی با شبکۀ بازگشتی عمیق

      Admin bar avatar
      دکتر فرنود مریخ بیات
      دانشگاه, نرم افزار کاربردی, یادگیری ماشین
      (0 نظر)
      65,000 تومان
      ts3
      • مرور کلی
      • برنامه تحصیلی
      • مدرس
      • بررسی ها

      در این درس-پروژۀ فشرده برگرفته از راهنمای متلب در ابتدا مروری بر شبکه های عمیق بازگشتی و نحوۀ کارکرد آنها را خواهیم داشت. در ادامه به توضیح نحوۀ استفاده از شبکه های عمیق بازگشتی (Recurrent Neural Networks یا RNN) از نوع LSTM جهت پیش بینی سری های زمانی می پردازیم. سپس به منظور درک بهتر و توجه بیشتر به جنبۀ کاربردی مسئله، نحوۀ پیاده سازی مثال پیش بینی سری زمانی تغییرات بازار بورس در محیط متلب را با یکدیگر مرور خواهیم نمود.

      مطالبی که در این پروژه خواهیم دید:

      • توضیح مختصری از شبکه های عصبی بازگشتی (Recurrent Neural Networks) و تفاوت آنها با دیگر شبکه های عصبی عمیق
      • آشنایی مختصر با ساختار لایه LSTM و نحوۀ پیاده سازی آن در محیط متلب
      • پیاده سازی پیش بینی کننده سری های زمانی با استفاده از لایه های LSTM در محیط متلب و استفاده از آن برای پیش بینی تغییرات بازار بورس
      • توضیح چگونگی تغییر کارکرد شبکه برای حل مسائل دیگر سری های زمانی
      • بررسی نحوۀ استفاده از شبکۀ عمیق بازگشتی آموزش دیده جهت تخمین و پیش بینی مقادیر سیگنال در آینده
      • چگونگی از استفاده از مقادیر تخمینی در زمان های آینده برای بهبود کیفیت تخمین زمان های دورتر.

      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 شبکه های عصبی بازگشتی مبتنی بر لایه های LSTM 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 شبکه های عصبی بازگشتی 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 ای از خروجی های تولیدی کد متلب مورد بررسی:

       

       

      ویژگی های دوره

      • عناوین 1
      • امتحانات 0
      • مدت 50 دقیقه
      • سطح مهارت تحصیلات تکمیلی
      • زبان فارسی
      • دانشجویان 197
      • گواهی نه
      • ارزیابی ها بله
      دوره هایادگیری ماشینپیش بینی سریهای زمانی با شبکۀ بازگشتی عمیق
      • درس 1

        • سخنرانی1.1
          پیش بینی سریهای زمانی با شبکۀ بازگشتی عمیق 50 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
      65,000 تومان
      • اشتراک گذاری :

      دوره های مرتبط

      انتقال یادگیری در شبکه های عصبی عمیق مانند AlexNet و GoogLeNet مطالعه بیشتر
      Admin bar avatar
      دکتر فرنود مریخ بیات

      انتقال یادگیری در شبکه های عصبی عمیق مانند AlexNet و GoogLeNet

      246
      0
      65,000 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

      340
      1
      100,000 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

      تنظیم پارامترهای کنترل کنندۀ PID با متلب/سیمولینک

      تنظیم پارامترهای کنترل کنندۀ PID با متلب/سیمولینک

      رایگان
      یادگیری عمیق و کار با شبکه های عصبی عمیق در متلب

      یادگیری عمیق و کار با شبکه های عصبی عمیق در متلب

      100,000 تومان
      محاسبه مشتق توابع

      محاسبه مشتق توابع

      رایگان

      همه مطالب

      مصاحبه با دکتر کسری علیشاهی (در مورد رشته ریاضی و مسائل مربوط به آن)
      13دی1400
      گپی کوتاه با دانشجویان سال اولی دانشگاهها
      22مهر1400
      آیا کائنات با کامپیوترها دشمنی دارد؟
      19شهریور1400

      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