کتاب طراحی شبکه‌های کانولوشنی فشرده با تقطیر ویژگی‌ها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی شبکه‌های کانولوشنی فشرده با تقطیر ویژگی‌ها

موضوع کلی: یادگیری ماشین و شبکه‌های عصبی

موضوع میانی: شبکه‌های عصبی کانولوشنی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی
  • 2. مروری بر معماری‌های سنتی شبکه‌های کانولوشنی
  • 3. لایه های کانولوشنی: عملکرد و پارامترها
  • 4. لایه های Pooling: انواع و کاربردها
  • 5. توابع فعال‌سازی در شبکه‌های کانولوشنی
  • 6. تابع هزینه و الگوریتم‌های بهینه‌سازی
  • 7. تنظیم‌کننده‌ها و جلوگیری از بیش‌برازش
  • 8. معماری‌های پیشرفته شبکه‌های کانولوشنی
  • 9. شبکه‌های ResNet: معماری و مزایا
  • 10. شبکه‌های Inception: طراحی و کاربرد
  • 11. شبکه‌های DenseNet: اتصال متراکم و کارایی
  • 12. تقطیر ویژگی‌ها: مفهوم و کاربردها
  • 13. تقطیر دانش از مدل‌های بزرگ به مدل‌های کوچک
  • 14. تابع Loss تقطیر ویژگی‌ها
  • 15. روش‌های انتخاب دانش برای تقطیر
  • 16. معماری‌های فشرده مبتنی بر تقطیر ویژگی‌ها
  • 17. شبکه‌های دانش‌محور فشرده
  • 18. تکنیک‌های کاهش ابعاد ویژگی‌ها
  • 19. کوانتیزاسیون شبکه‌های عصبی
  • 20. هرس وزن‌ها در شبکه‌های کانولوشنی
  • 21. روش‌های فشرده‌سازی معماری شبکه‌های عصبی
  • 22. شبکه‌های کانولوشنی اعمیق فشرده
  • 23. شبکه‌های MobileNet: طراحی برای دستگاه‌های موبایل
  • 24. شبکه‌های ShuffleNet: کارایی و دقت
  • 25. شبکه‌های SqueezeNet: کاهش حجم مدل
  • 26. شبکه‌های کانولوشنی سبک‌وزن برای دستگاه‌های IoT
  • 27. بهینه‌سازی شبکه‌های عصبی برای منابع محدود
  • 28. استفاده از سخت‌افزار شتاب‌دهنده برای شبکه‌های عصبی
  • 29. پیاده‌سازی شبکه‌های کانولوشنی فشرده با TensorFlow
  • 30. پیاده‌سازی شبکه‌های کانولوشنی فشرده با PyTorch
  • 31. ارزیابی عملکرد شبکه‌های کانولوشنی فشرده
  • 32. معیارهای ارزیابی شبکه‌های عصبی
  • 33. مجموعه‌داده‌های استاندارد برای شبکه‌های کانولوشنی
  • 34. کاربردهای شبکه‌های کانولوشنی فشرده در بینایی ماشین
  • 35. تشخیص اشیا با شبکه‌های کانولوشنی فشرده
  • 36. دسته‌بندی تصاویر با شبکه‌های کانولوشنی فشرده
  • 37. بخش‌بندی معنایی تصاویر با شبکه‌های کانولوشنی فشرده
  • 38. شبکه‌های کانولوشنی فشرده در پردازش ویدئو
  • 39. شبکه‌های کانولوشنی فشرده در تشخیص چهره
  • 40. شبکه‌های کانولوشنی فشرده در پزشکی
  • 41. شبکه‌های کانولوشنی فشرده در خودروهای خودران
  • 42. چالش‌ها و جهت‌گیری‌های آینده در شبکه‌های کانولوشنی فشرده
  • 43. تحقیق و توسعه در زمینه تقطیر ویژگی‌ها
  • 44. بهینه‌سازی سخت‌افزاری برای شبکه‌های عصبی فشرده
  • 45. یادگیری انتقالی در شبکه‌های کانولوشنی فشرده
  • 46. آداب و اخلاق استفاده از شبکه‌های عصبی
  • 47. تفسیرپذیری شبکه‌های عصبی کانولوشنی
  • 48. امنیت شبکه‌های عصبی در برابر حملات
  • 49. ملاحظات مربوط به حریم خصوصی در شبکه‌های عصبی
  • 50. بررسی مقالات علمی اخیر در زمینه شبکه‌های کانولوشنی فشرده
تگ‌ها: CNN پردازش تصویر تقطیر ویژگی شبکه‌های عصبی فشرده شبکه‌های عصبی کانولوشنی طراحی شبکه‌های عصبی هوش مصنوعی یادگیری عمیق یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.