فیلم آموزشی رایگان شبکه های عصبی پرسپترون چندلایه یا MLP در متلب (بخش دوم)

عنوان انگلیسی:

MLP Neural Networks in matlab video tutorial

توضیحات:

شبکه های عصبی مصنوعی یا Artifiial Neural Networks (به اختصار ANN) ابزارهایی مهم در میان مباحث هوش محاسباتی (Computational Intelligence) به حساب می آیند. انواع مختلفی از شبکه های عصبی مصنوعی معرفی شده اند، که عمدتا در کاربردهایی همچون طبقه بندی، خوشه بندی، تشخیص الگو، مدل سازی و تقریب توابع، کنترل، تخمین و بهینه سازی مورد استفاده قرار می گیرند.

در این پست قصد داریم فیلم آموزشی جامع شبکه های عصبی پرسپترون چندلایه یا MLP در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی MLP، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. همچنین مباحث عمیق تئوری و عملی، در زمینه تقسیم بندی داده ها، تحلیل عملکرد شبکه، روش های پیش پردازش اطلاعات و ده ها مبحث تخصصی دیگر نیز در این فیلم مورد بحث و بررسی قرار گرفته اند. برنامه هایی که در این فیلم پیاده سازی شده اند، به حل مسائل تخمین و تقریب توابع (Function Approximation) و پیش بینی سری های زمانی (Time-Series Prediction) اختصاص دارند.

سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
+ مروری بر عملکرد سیستم عصبی طبیعی
+ تعریف ریاضی یک نورون مصنوعی با یک مثال بسیار ساده
+ تعمیم تعریف نورون و استفاده از آن برای مدل سازی
+ شبکه های عصبی پرسپترون چندلایه یا MLP و لزوم استفاده از آن ها
+ بررسی مفاهیم مرتبط با آموزش شبکه های عصبی
+ تقسیم بندی داده: روش ها و دلایل
+ پیاده سازی شبکه عصبی در متلب با استفاده از رابط های گرافیکی (GUI) تولباکس شبکه عصبی
+ پیاده سازی شبکه عصبی MLP به صورت کدنویسی
+ حل یک مسأله مدل سازی ساده
+ روش های پیش پردازش اطلاعات
داده های بی مقدار یا Missing Values
داده های پرت یا Outlier ها
نرمال سازی (Normalization)
سفید سازی (Whitening)
روش های کاهش بعد و کارکرد آن ها
نگاشت های غیر خطی
+ مروری بر کاربردهای مختلف شبکه های عصبی مصنوعی
+ خواص و تنظیمات شبکه های عصبی در متلب (سفارشی سازی ها)
+ بهبود عملکرد برنامه های نوشته شده
تبدیل مسأله پیش بینی سری زمانی به یک مسأله تقریب تابع (مدل سازی)
+ پیاده سازی شبکه عصبی برای پیش بینی سری زمانی آشوبی مکی-گلاس (Mackey-Glass)
+ مدل سازی ارتباط میان گشتاور، سرعت، نرخ سوخت مصرفی و میزان تولید اکسید نیتروژن در یک موتور خودور
+ شیوه های نمایش گرافیکی نتایج به دست آمده از فرآیند طراحی شبکه عصبی
+ جمع بندی و نتیجه گیری های نهایی

مدرس: سید مصطفی کلامی هریس

کلمات کلیدی:
ANN, Artificial Neural Networks, MLP, آموزش شبکه عصبی, آموزش متلب, تولباکس شبکه عصبی, ساختار شبکه عصبی پرسپترون چند لایه و یادگیری, شبکه عصبی, شبکه عصبی مصنوعی, شبکه های عصبی, شبکه های عصبی مصنوعی, شبکه های عصبی مصنوعی در متلب, طراحی شبکه عصبی در متلب, فیلم آموزشی, فیلم آموزشی شبکه عصبی, فیلم آموزشی شبکه عصبی در متلب, پرسپترون چند لایه

برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
http://www.faradars.org/mvrnn9102ac

لغات کلیدی:

ANN, Artificial, Neural, Networks, MLP, آموزش, شبکه, عصبی, آموزش, متلب, تولباکس, شبکه, عصبی, ساختار, شبکه, عصبی, پرسپترون, چند, لایه, و, یادگیری, شبکه, عصبی, شبکه, عصبی, مصنوعی, شبکه, های, عصبی, شبکه, های, عصبی, مصنوعی, شبکه, های, عصبی, مصنوعی, در, متلب, طراحی, شبکه, عصبی, در, متلب, فیلم, آموزشی, فیلم, آموزشی, شبکه, عصبی, فیلم, آموزشی, شبکه, عصبی, در, متلب, پرسپترون, چند, لایه





تعداد کلیک:

۷۷۶۷



فرم عضویت در خبرنامه کدسرا
 

شما می توانید به منظور اطلاع یافتن از آخرین کدهای منتشر شده در کدسرا، با وارد کردن ایمیل خود در کادر زیر به عضویت خبرنامه کدسرا در آیید.



لینک خارجی

این مطلب، که توسط موتور جستجوی کدسرا پیشنهاد شده است، بر روی یک وبسایت دیگر قابل دسترسی است.

برای مشاهده آن، بر روی لینک زیر، کلیک کنید.



مشاهده لینک