با کاربردهای شبکه عصبی کانولوشنی (CNN) آشنا شوید!
کاربردهای شبکه عصبی کانولوشنی (CNN) چیست؟ یکی از الگوریتم‌های یادگیری عمیق است که اغلب در مسائل شناسایی تصاویر استفاده می‌شود. البته شبکه عصبی کانولوشنی کاربردهای متنوعی دارد و علاوه بر عکس و ویدئو، در تحلیل انواع دیگر داده، مانند پردازش متن یا صدا، هم می‌توان…
محوشدگی گرادیان (Vanishing Gradient) چگونه رخ می‌دهد؟
مشکل محوشدگی گرادیان (Vanishing Gradient) چگونه رخ می‌دهد؟ در یادگیری ماشین (Machine Learning) زمانی‌که شبکه‌ی عصبی را با استفاده از روش‌های مبتنی بر گرادیان، مانند انتشار روبه‌عقب (Backpropagation)، آموزش می‌دهیم، با مشکل محوشدگی گرادیان مواجه می‌شویم. این مشکل امکان یادگیری و به‌روزرسانی وزن‌ها در لایه‌های…
پرسپترون (Perceptron) چیست و چگونه کار می‌کند؟
پرسپترون (Perceptron) چیست؟ مطمئناً اگر به حوزه‌ی هوش مصنوعی (Artificial Intelligence) علاقه‌مند باشید، بارها عبارت «شبکه‌ی عصبی» را از منابع مختلف شنیده‌اید و در ذهن‌تان این سؤال مطرح شده است که شبکه‌ی عصبی یعنی چه و چگونه کار می‌کند؟ برای یافتن این سؤال لازم است…
رگرسیون لجستیک (Logistic Regression) چیست و چطور کار می‌کند؟
رگرسیون لجستیک (Logistic Regression) یکی از الگوریتم‌های یادگیری ماشین است. این الگوریتم برای مسائل طبقه‌بندی (Classification) استفاده می‌شود که در آن متغیر وابسته‌ی گسسته (Categorical) مطرح می‌شود. قبل از بررسی رگرسیون لجستیک، بهتر است کمی با یادگیری ماشین و طبقه‌بندی آشنا شویم. یادگیری ماشین چیست؟…
درک زبان طبیعی (NLU) چیست و چگونه انجام می‌شود؟
درک زبان طبیعی (NLU) یا به‌عبارتی کامل‌تر Natural Language Understanding زیرشاخه‌ای از پردازش زبان طبیعی (Natural Language Processing) است که تبدیل زبان انسان به فرمت خواندنی و فهمیدنی برای ماشین را دربرمی‌گیرد. مقدمه آیا تابه‌حال پیش آمده است که در آیفون (iPhone) از سیری (Siri)…
بینایی کامپیوتری (Computer Vision) چیست و چه کاربردهایی دارد؟
بینایی کامپیوتری (Computer Vision) حوزه‌ای از هوش مصنوعی است که کامپیوترها و سیستم‌ها را قادر می‌کند اطلاعات معنی‌داری را از تصاویر دیجیتال و فیلم‌ها و دیگر ورودی‌های بصری استخراج کنند و براساس آن اطلاعات، اقداماتی انجام دهند یا توصیه‌هایی ارائه کنند. مقدمه ما انسان‌ها اطلاعات…
با الگوریتم بیز ساده (Naïve Bayes) آشنا شوید!
بیز ساده (Naïve Bayes) یک الگوریتم طبقه‌بندی ساده اما مؤثر و متداول یادگیری ماشین (Machine Learning) است که در دسته‌ی یادگیری با ناظر (Supervised Learning) جای می‌گیرد. بیز ساده الگوریتمی احتمالی است که براساس نظریه‌ی بیز برای طبقه‌بندی (Classification) استفاده می‌شود. مقدمه فرض کنید در…
الگوریتم ماشین بردار پشتیبان (Support Vector Machine) چیست؟
ماشین بردار پشتیبان (Support Vector Machine) یا به‌اختصار SVM یک مدل یادگیری ماشین با ناظر (supervised Learning) است که با توجه به داده‌های برچسب‌دار آموزشی (یادگیری با ناظر)، یک هایپرپلین (Hyperplane) بهینه را ارائه می‌کند تا داده‌های جدید را به دسته‌های مختلف طبقه‌بندی کند. یادگیری…
شبکه‌ی عصبی LSTM چیست و چگونه کار می‌کند؟
شبکه‌ی عصبی LSTM یا حافظه‌ی کوتاه‌مدت طولانی (Long-Short Term Memory) نوعی خاص از شبکه عصبی بازگشتی (RNN / Recurrent Neural Network) محسوب می‌شود. پس برای اینکه بتوانیم نحوه‌ی کار شبکه‌ی LSTM را درک کنیم لازم است با شبکه‌ی عصبی RNN آشنا شیم. در این مطلب…
با رگرسیون خطی (Linear Regression) آشنا شوید!
رگرسیون خطی (Linear Regression) روشی آماری برای یافتن رابطه‌ی میان متغیرهای مستقل (Dependent Variables)و وابسته (Independent Variables)است. این روش در یادگیری ماشین با ناظر (Supervised Machine Learning) بسیار کاربرد دارد. مقدمه اخیراً هوش مصنوعی (Artificial Intelligence) بسیار مورد توجه قرار گرفته است و افراد در…
داده‌کاوی (Data Mining) چیست و چه مراحلی دارد؟
داده‌کاوی (Data Mining) که به‌عنوان کشف دانش در داده (KDD) نیز شناخته می‌شود فرایند کشف الگوها و دیگر اطلاعات ارزشمند از مجموعه‌ی داده‌های بزرگ است. با توجه به پیشرفت تکنولوژی انبار داده (Data Warehousing) و رشد کلان‌داده (Big Data)، استفاده از تکنیک‌های داده‌کاوی در چند…
متن‌کاوی (Text Mining) چیست و چه تکنیک‌ها و کاربردهایی دارد؟
متن‌کاوی (Text Mining) که به آنالیز متن (Text Analysis) هم معروف است، فرایند تبدیل متن بدون ساختار به داده‌های ساختاریافته برای تجزیه‌وتحلیل راحت‌تر است. متن‌کاوی به ماشین‌ها اجازه می‌دهد زبان انسان را بفهمند و به‌طور خودکار آن را پردازش کنند. مقدمه برای مشاغل حجم زیاد…
شبکه‌ی عصبی کانولوشنی (CNN) چیست؟
شبکه‌ی عصبی کانولوشنی (CNN) چیست؟ از آنجا که استفاده از شبکه‌های عصبی تمام‌متصل (Fully connected) عمیق به قدرت محاسباتی (حافظه) بالایی نیاز دارد تا بتوان تعداد زیادی وزن و ضرب ماتریسی سنگین را مدیریت کرد، نوع جدیدی از شبکه‌های عصبی به‌نام شبکه‌ی عصبی کانولوشنی (Convolutional…
با الگوریم K نزدیک ترین همسایه (K-Nearest Neighbors) آشنا شوید!
K نزدیک ترین همسایه (K-Nearest Neighbors) که به‌اختصار به آن KNN نیز گفته می‌شود یک الگوریتم یادگیری ماشین با ناظر ساده (Supervised Machine Learning) و با پیاده‌سازی آسان است. این الگوریتم می‌تواند برای حل مشکلات طبقه‌بندی (Classification) و رگرسیون (Regression) استفاده شود. نگاهی مختصر به…
گوگل نت (GoogleNet) چیست و از چه ساختاری تشکیل شده است؟
گوگل نت (GoogleNet) یک شبکه‌ی عصبی کانولوشن عمیق ۲۲ لایه است. این شبکه عصبی نسخه‌ی تغییریافته‌ی شبکه‌ی Inception است که یک شبکه‌ی عصبی عمیق کانولوشن است و محققان Google آن را ساخته‌اند.معماری گوگل‌نت در رقابت ILSVRC سال ۲۰۱۴ شرکت کرد و برنده‌ی رقابت شد. امروزه…
معماری الکس نت (AlexNet) را به‌صورت کامل بشناسید!
الکس نت (AlexNet) یک شبکه‌ی عصبی عمیق است که Alex Krizhevsky، Ilya Sutskever و Geoffrey Hinton در سال 2012 ارائه کردند. این معماری به‌منظور طبقه‌بندی تصاویر مجموعه‌داده‌ی ImageNet در رقابت ILSVRC طراحی شد و توانست رتبه‌ی اول را کسب کند. شبکه‌های عصبی کانولوشنی و الکس‌نت…
با شبکه‌ی عصبی وی جی جی نت (VGGNet) آشنا شوید!
وی جی جی نت (VGGNet) یک شبکه‌ی عصبی کانولوشنی است که در سال ۲۰۱۴ کارن سایمون (Karen Simonyan) و آندره زیسرمن (Andrew Zisserman) از دانشگاه آکسفورد آن را معرفی کردند. این شبکه در رقابت ILSVRC سال ۲۰۱۴ رتبه‌ی دوم را کسب کرد، ولی به‌دلیل نوآوری…
شبکه‌ی رزنت (ResNet) چیست و ساختار آن چگونه است؟
شبکه‌ی رزنت (ResNet) یا به‌صورت کامل، Residual Network یکی از شبکه‌های عمیق معروف است. این شبکه را شِیوکینگ رن (Shaoqing Ren)، کِیمینگ هی (Kaiming He)، ژان سان (Jian Sun) و زایانگیا ژوئنگ (Xiangyu Zhang) در سال ۲۱۰۵ معرفی کردند. مدل رزنت تاکنون یکی از محبوب‌ترین…