برترین کاربردهای یادگیری عمیق کجاست؟ یادگیری عمیق (Deep Learning) بخشی از یادگیری ماشین (Machine Learning) است که برای حل مشکلات پیچیده و ایجاد راه‌حل‌های هوشمند استفاده می‌شود. مفهوم اصلی یادگیری عمیق از ساختار و عملکرد مغز انسان گرفته شده است. یادگیری عمیق از شبکه‌های عصبی…

بیگ دیتا (Big Data) مجموعه‌ای عظیم از داده‌هاست که تکنیک‌های معمول نمی‌توانند آن‌ها را پردازش کنند. این اصطلاح، نه‌تنها به داده‌ها، به فریم‌ورک‌ها، ابزارها و تکنیک‌های مختلف مربوط هم اشاره می‌کند. مقدمه اگر فقط کمی از دنیای فناوری سر در بیاورید، قطعاً باید اسم بیگ…

شبکه عصبی پیشخور (FFN) را می‌توان ساده‌ترین نوع شبکه‌ی عصبی در نظر گرفت؛ شبکه‌های عصبی پیچیده‌تری مانند شبکه‌ی عصبی بازگشتی (RNN / Recurrent Neural Network) و شبکه‌ی عصبی پیچشی (CNN / Convolutional Neural network) هم وجود دارند که ممکن است بارها اسم‌شان را شنیده باشیم….

یادگیری انتقالی (Transfer Learning) چیست؟ اگر در زمینه‌ی یادگیری عمیق (Deep Learning) مطالعه فعالیت کنید، قطعاً به عبارت «یادگیری انتقالی» یا «Tranfer Learning» برخورده‌اید. Transfer Learning یکی از شگفت‌انگیزترین ویژگی‌های شبکه‌ی عصبی محسوب می‌شود که در آن می‌توان از یک مدل آموزش‌دیده با یک مجموعه‌داده‌ی…

توابع فعالساز (Activation Functions) چیست؟ مطمئناً در حین یادگیری و کار با شبکه‌های عصبی (Neural networks) بارها با توابع فعال‌ساز برخورد کرده‌اید و این سؤال در ذهن‌تان مطرح شده است که این توابع دقیقاً چه کاری را در شبکه انجام می‌دهند؟ در این مطلب سعی…

سیستم ایمنی مصنوعی (AIS) یا Artificial Immune Systems به کمک و تقویت سیستم ایمنی طبیعی بدن انسان‌ها می‌آید. در این تکنولوژی از نانوبات‌ها (Nanobots) استفاده می‌شود که ربات‌های میکروسکوپی هستند که وارد بدن می‌شوند. در این مطلب توانایی‌های این سیستم مصنوعی را بررسی کرده‌ایم. مقدمه…

لایه ادغام (Pooling Layer) یکی از مراحل شبکه عصبی کانولوشنی (CNN / Convolutional Neural Network) است. شبکه عصبی کانولوشنی نتایج بسیار قابل‌قبولی را در حوزه‌های مختلف بینایی ماشین (Computer Vision)، مانند شناسایی تصاویر (Image Detection)، طبقه‌بندی تصاویر (Image Classification) و تشخیص چهره (Face Recognition)، داشته…

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…

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؟ 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) 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) 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) 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…

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…

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…

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…