دوره مبانی محاسباتی یادگیری عمیق و الگوبرداری از ساختارهای عصبی مغز همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی محاسباتی یادگیری عمیق و الگوبرداری از ساختارهای عصبی مغز

موضوع کلی: علوم شناختی و هوش مصنوعی

موضوع میانی: مدل‌سازی محاسباتی سیستم‌های عصبی و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی زیست‌شناختی نورون‌ها و شبکه‌های عصبی
• 2. ساختار و عملکرد سیناپس‌ها در انتقال اطلاعات
• 3. اصول پردازش اطلاعات در قشر مخ
• 4. مدل‌های ریاضی نورون‌های مصنوعی و شبکه‌های عصبی
• 5. شباهت‌ها و تفاوت‌های یادگیری در مغز و هوش مصنوعی
• 6. مکانیسم‌های پلاستیسیته سیناپسی و یادگیری هبی
• 7. قوانین یادگیری در شبکه‌های عصبی پیش‌خور
• 8. الگوریتم پس‌انتشار خطا و شبیه‌سازی آن در ساختار عصبی
• 9. نقش انتقال‌دهنده‌های عصبی در تنظیم وزن‌های سیناپسی
• 10. مدل‌سازی محاسباتی حافظه کوتاه‌مدت و بلندمدت
• 11. توابع فعال‌ساز در شبکه‌های عصبی و انطباق با نرخ شلیک نورونی
• 12. بازنمایی داده‌ها در شبکه‌های عصبی عمیق
• 13. مکانیسم‌های توجه در مغز و پیاده‌سازی در مدل‌های ترنسفورمر
• 14. پردازش سلسله‌مراتبی در سیستم بینایی مغز
• 15. معماری شبکه‌های عصبی کانولوشنی و شباهت به قشر بینایی
• 16. یادگیری نظارت‌شده و نقش سیگنال‌های پاداش در مغز
• 17. یادگیری تقویت‌کننده و نقش دوپامین در سیستم عصبی
• 18. مدل‌سازی محاسباتی تصمیم‌گیری در شرایط عدم قطعیت
• 19. پایداری و انعطاف‌پذیری در شبکه‌های عصبی مغزی
• 20. روش‌های کاهش ابعاد و بازنمایی ویژگی‌ها در مغز و ماشین
• 21. مکانیسم‌های بازگشتی در مغز و شبکه‌های عصبی بازگشتی
• 22. پردازش سیگنال‌های زمانی در سیستم‌های عصبی
• 23. پدیده‌های نوسانی و همگامی در شبکه‌های عصبی
• 24. مبانی نظری بهینه‌سازی در سیستم‌های یادگیرنده
• 25. نقش نویز در سیستم‌های عصبی و الگوریتم‌های یادگیری
• 26. بازنمایی‌های پراکنده در مغز و تحلیل محاسباتی آن
• 27. مدل‌های پیش‌بینی‌کننده در قشر مخ و یادگیری فعال
• 28. ارتباط بین توزیع‌های آماری و فعالیت‌های عصبی
• 29. روش‌های تحلیل داده‌های الکتروفیزیولوژی مغز
• 30. کاربردهای یادگیری عمیق در تحلیل تصاویر پزشکی و علوم اعصاب
• 31. اخلاق در هوش مصنوعی و رعایت کرامت انسانی در مدل‌سازی‌های شناختی
• 32. چالش‌های محاسباتی در شبیه‌سازی مغز انسان
• 33. آینده تعاملات علوم شناختی و فناوری‌های هوشمند در ایران
• 34. بهینه‌سازی مصرف انرژی در مغز و معماری‌های نوین سخت‌افزاری
• 35. محدودیت‌های مدل‌های فعلی یادگیری ماشین در مقایسه با توانمندی‌های مغز
• 36. نقش ساختارهای میان‌مغزی در یادگیری و حافظه
• 37. مدل‌سازی محاسباتی ادراک حسی و پردازش اطلاعات محیطی
• 38. تلفیق داده‌های چندوجهی در سیستم‌های عصبی و هوش مصنوعی
• 39. اصول طراحی شبکه‌های عصبی الهام‌گرفته از مغز
• 40. روش‌های ارزیابی عملکرد مدل‌های محاسباتی در علوم اعصاب شناختی