کتاب مبانی ریاضی شبکههای عصبی و الگوریتمهای یادگیری عمیق در کاربردهای صنعتی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره مبانی ریاضی شبکههای عصبی و الگوریتمهای یادگیری عمیق در کاربردهای صنعتی
موضوع کلی: علوم رایانه و هوش مصنوعی
موضوع میانی: یادگیری عمیق و بهینه‌سازی ریاضی
📋 سرفصل‌های دوره
- 1. مبانی جبر خطی در شبکههای عصبی
- 2. بردارها و ماتریس‌ها در فضای حالات شبکه
- 3. ضرب داخلی و ضرب ماتریسی در لایه‌های عصبی
- 4. مقادیر ویژه و بردارهای ویژه در تحلیل پایداری شبکه
- 5. مفاهیم پایه مشتق و گرادیان در توابع چندمتغیره
- 6. قاعده زنجیره‌ای در انتشار معکوس خطا
- 7. توابع فعال‌ساز غیرخطی و مشتق‌گیری از آن‌ها
- 8. بهینه‌سازی محدب و غیرمحدب در توابع هزینه
- 9. الگوریتم گرادیان کاهشی و انواع آن
- 10. روش‌های نرخ یادگیری پویا در آموزش شبکه
- 11. معیارهای ارزیابی عملکرد و توابع خطا در مسائل رگرسیون
- 12. توابع زیان در مسائل طبقه‌بندی چندکلاسه
- 13. تنظیم‌کننده‌ها و روش‌های مقابله با بیش‌برازش
- 14. نرمال‌سازی دسته‌ای در لایه‌های پنهان
- 15. مبانی احتمال و آمار در مدل‌های یادگیری عمیق
- 16. توزیع‌های احتمالی در فرآیندهای یادگیری
- 17. تخممین بیشینه درست‌نمایی در آموزش مدل‌ها
- 18. ساختار شبکههای عصبی پیش‌رو
- 19. پیکربندی لایه‌های متراکم و اتصالات عصبی
- 20. مقدمه‌ای بر شبکههای عصبی کانولوشنی
- 21. عملیات کانولوشن و استخراج ویژگی‌های تصویر
- 22. لایه ادغام و کاهش ابعاد در شبکههای بصری
- 23. معماری‌های پایه در بینایی ماشین صنعتی
- 24. مبانی شبکههای عصبی بازگشتی
- 25. مسائل ناپایداری گرادیان در شبکههای عمیق
- 26. معماری‌های حافظه بلندمدت کوتاه (LSTM)
- 27. مقدمه‌ای بر سازوکار توجه در پردازش داده‌ها
- 28. مبانی ریاضی مدل‌های ترنسفورمر
- 29. بهینه‌سازی مقیاس‌پذیر در سیستم‌های توزیع‌شده
- 30. روش‌های کاهش ابعاد و تحلیل مؤلفه‌های اصلی
- 31. کاربرد یادگیری عمیق در کنترل کیفیت صنعتی
- 32. پردازش سیگنال‌های حسگر با شبکههای عصبی
- 33. پیش‌بینی سری‌های زمانی در فرآیندهای تولید
- 34. الگوریتمهای بهینه‌سازی مبتنی بر مومنتوم
- 35. روش‌های مرتبه دوم و ماتریس هسین در بهینه‌سازی
- 36. پیاده‌سازی بهینه مدل‌ها با کتابخانه‌های استاندارد
- 37. مبانی ریاضی مدل‌های مولد در صنعت
- 38. تکنیک‌های افزایش داده برای بهبود دقت مدل
- 39. اخلاق در هوش مصنوعی و مسئولیت‌پذیری الگوریتمیک
- 40. مستندسازی و استقرار مدل‌های بهینه‌سازی شده در محیط صنعتی
تگ‌ها:
الگوریتمهای هوشمند
بهینه‌سازی ریاضی
پردازش داده
ریاضیات کاربردی
شبکههای عصبی
علوم رایانه
مدل‌سازی ریاضی
هوش مصنوعی
یادگیری عمیق
یادگیری ماشین
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.