دوره کاربرد MCMC در بهینه‌سازی شبکه‌های عصبی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC در بهینه‌سازی شبکه‌های عصبی

موضوع کلی: روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در آمار بیزی

موضوع میانی: یادگیری عمیق بیزی (Bayesian Deep Learning)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روش‌های مونت کارلو
• 2. تخمین انتگرال با روش مونت کارلو
• 3. مفهوم زنجیره مارکوف
• 4. فرآیندهای مارکوف و کاربرد آن‌ها
• 5. روش‌های نمونه‌برداری زنجیره مارکوف
• 6. الگوریتم متروپلیس-هستینگز
• 7. الگوریتم گیبس
• 8. مقایسه متروپلیس-هستینگز و گیبس
• 9. همگرایی زنجیره‌های مارکوف
• 10. تشخیص همگرایی با استفاده از معیارهای مختلف
• 11. مقدمه‌ای بر بهینه‌سازی
• 12. بهینه‌سازی توابع هدف
• 13. گرادیان و مشتقات
• 14. روش‌های گرادیانی در بهینه‌سازی
• 15. بهینه‌سازی با محدودیت
• 16. شبکه‌های عصبی: مبانی و معماری
• 17. یادگیری در شبکه‌های عصبی
• 18. تابع هزینه و روش‌های کمینه‌سازی
• 19. الگوریتم پس‌انتشار خطا
• 20. شبکه‌های عصبی عمیق
• 21. روش‌های تنظیم‌سازی (Regularization) در شبکه‌ها
• 22. انتخاب ویژگی و کاهش ابعاد
• 23. روش‌های مختلف فعال‌سازی (Activation Functions)
• 24. بهینه‌سازی شبکه‌های عصبی با استفاده از MCMC
• 25. MCMC و یادگیری بیزی در شبکه‌های عصبی
• 26. کاربرد MCMC در تنظیم ابرپارامترها
• 27. MCMC برای تخمین عدم قطعیت در پیش‌بینی‌ها
• 28. MCMC در شبکه‌های عصبی بازگشتی (RNN)
• 29. MCMC در شبکه‌های عصبی پیچشی (CNN)
• 30. MCMC برای یادگیری مدل‌های گرافیکی
• 31. MCMC و شبکه‌های باور عمیق (DBN)
• 32. MCMC در مسائل طبقه‌بندی
• 33. MCMC در مسائل رگرسیون
• 34. MCMC و یادگیری تقویتی (Reinforcement Learning)
• 35. MCMC برای بهینه‌سازی ساختار شبکه
• 36. MCMC و شبکه‌های عصبی اسپایکی (SNN)
• 37. MCMC در مسائل یادگیری نیمه نظارتی
• 38. MCMC برای مقابله با داده‌های از دست رفته
• 39. MCMC و یادگیری انتقالی (Transfer Learning)
• 40. MCMC در مسائل تشخیص ناهنجاری
• 41. MCMC و شبکه‌های عصبی خودرمزگذار (Autoencoders)
• 42. MCMC و شبکه‌های مولد تخاصمی (GANs)
• 43. MCMC برای بهینه‌سازی توزیع‌های احتمالی
• 44. MCMC و روش‌های ensemble
• 45. MCMC و کاهش هزینه محاسباتی