کتاب درک تصویر با روش‌های ترکیبی عصبی-نمادین با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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 درک تصویر با روش‌های ترکیبی عصبی-نمادین

موضوع کلی: هوش مصنوعی

موضوع میانی: بینایی ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر روش‌های ترکیبی عصبی-نمادین در درک تصویر
  • 2. مفاهیم پایه استدلال نمادین
  • 3. مبانی شبکه‌های عصبی کانولوشنال (CNN) برای درک تصویر
  • 4. چالش‌های روش‌های سنتی در درک تصویر پیچیده
  • 5. مزایای ترکیب روش‌های عصبی و نمادین
  • 6. نمایش دانش در سیستم‌های درک تصویر
  • 7. استفاده از منطق فازی در درک تصویر
  • 8. شبکه‌های عصبی بازگشتی (RNN) برای تحلیل توالی تصاویر
  • 9. مدل‌های گرافیکی احتمالی و کاربرد آن‌ها در درک تصویر
  • 10. استدلال فضایی با استفاده از روش‌های نمادین
  • 11. استخراج روابط بین اشیاء در تصاویر
  • 12. ادغام اطلاعات بصری و دانش پیشین
  • 13. یادگیری دانش نمادین از داده‌های بصری
  • 14. استفاده از ontologies در درک تصویر
  • 15. استدلال علی و معلولی در درک تصویر
  • 16. روش‌های نمایش دانش برای استدلال در مورد تصاویر
  • 17. ترکیب CNN با استدلال نمادین برای تشخیص اشیاء
  • 18. استفاده از شبکه‌های عصبی گراف (GNN) برای درک روابط بین اشیاء
  • 19. تولید توضیحات متنی برای تصاویر با استفاده از روش‌های ترکیبی
  • 20. حل مسائل پرسش و پاسخ بصری با استفاده از روش‌های ترکیبی
  • 21. استدلال زمانی در تحلیل ویدیوها
  • 22. تشخیص فعالیت‌های انسانی در ویدیوها با استفاده از روش‌های ترکیبی
  • 23. تفسیر صحنه‌های پیچیده با استفاده از استدلال نمادین و عصبی
  • 24. استفاده از روش‌های ترکیبی برای درک تصاویر پزشکی
  • 25. کاربرد روش‌های ترکیبی در سیستم‌های نظارتی هوشمند
  • 26. تشخیص ناهنجاری در تصاویر با استفاده از روش‌های ترکیبی
  • 27. تولید تصاویر از توضیحات متنی با استفاده از روش‌های ترکیبی
  • 28. یادگیری تقویتی برای درک تصویر و تصمیم‌گیری
  • 29. روش‌های ترکیبی برای درک تصاویر با نور کم
  • 30. استفاده از روش‌های ترکیبی برای افزایش قابلیت اطمینان در درک تصویر
  • 31. تکنیک‌های ترکیب مدل‌های عصبی و نمادین
  • 32. مدیریت عدم قطعیت در سیستم‌های درک تصویر
  • 33. روش‌های ارزیابی و مقایسه سیستم‌های ترکیبی
  • 34. تحلیل خطا در سیستم‌های درک تصویر ترکیبی
  • 35. بهینه‌سازی عملکرد سیستم‌های ترکیبی
  • 36. مفاهیم پیشرفته در استدلال نمادین
  • 37. استفاده از استدلال ابداعی (abductive reasoning) در درک تصویر
  • 38. استدلال استقرایی (inductive reasoning) در درک تصویر
  • 39. روش‌های ترکیب دانش چندوجهی (multimodal knowledge fusion)
  • 40. استفاده از دانش ضمنی (tacit knowledge) در درک تصویر
  • 41. یادگیری انتقال (transfer learning) در روش‌های ترکیبی
  • 42. یادگیری چندوظیفه‌ای (multi-task learning) در درک تصویر
  • 43. روش‌های یادگیری فعال (active learning) برای بهبود عملکرد سیستم
  • 44. کاربرد روش‌های ترکیبی در رباتیک و ناوبری
  • 45. چالش‌ها و آینده‌ی درک تصویر با روش‌های ترکیبی
تگ‌ها: AI artificial intelligence cognitive computing computer vision computer vision algorithms deep learning image analysis image understanding knowledge representation machine learning neural-symbolic object detection scene understanding symbolic reasoning visual reasoning

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.