فلش‌کارت‌های آموزشی سیر تحول شبکه‌های عصبی کانولوشن؛ از مدل‌های اولیه نئوکاگنیتورن تا معماری‌های پیشرفته هوش مصنوعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره سیر تحول شبکه‌های عصبی کانولوشن؛ از مدل‌های اولیه نئوکاگنیتورن تا معماری‌های پیشرفته هوش مصنوعی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: بینایی ماشین و شبکه‌های عصبی عمیق

📋 سرفصل‌های دوره

• 1. مبانی بیولوژیک بینایی و الهام‌بخشی آن به مدل‌های محاسباتی
• 2. تاریخچه مدل‌سازی سیستم‌های عصبی در بینایی ماشین
• 3. مفاهیم پایه شبکه عصبی پرسپترون و محدودیت‌های آن
• 4. آشنایی با مدل نئوکاگنیتورن و ساختار سلسله‌مراتبی آن
• 5. نقش سلول‌های ساده و پیچیده در پردازش تصاویر
• 6. مفاهیم انتزاع ویژگی‌ها در معماری‌های اولیه بینایی
• 7. گذار از مدل‌های کلاسیک به یادگیری عمیق
• 8. مبانی ریاضی کانولوشن در پردازش سیگنال و تصویر
• 9. نقش فیلترها و هسته‌های کانولوشن در استخراج ویژگی‌های بصری
• 10. معماری شبکه عصبی لِ‌نت و نقش آن در تشخیص ارقام
• 11. اهمیت تابع فعال‌ساز در شبکه‌های عصبی عمیق
• 12. روش‌های کاهش ابعاد با استفاده از لایه‌های پولینگ
• 13. مسئله ناپدید شدن گرادیان و راهکارهای مقابله با آن
• 14. معرفی مدل الکس‌نت و تحول در رقابت‌های بینایی ماشین
• 15. تکنیک‌های نرمال‌سازی دسته‌ای برای پایداری آموزش شبکه
• 16. معماری وی‌جی‌جی و تحلیل عمق در شبکه‌های عصبی
• 17. اهمیت اتصالات میان‌بر در معماری‌های رزنت
• 18. مفهوم شبکه‌های عصبی متراکم و بازاستفاده از ویژگی‌ها
• 19. روش‌های بهینه‌سازی در آموزش شبکه‌های عصبی عمیق
• 20. تکنیک‌های منظم‌سازی برای پیشگیری از بیش‌برازش
• 21. معماری اینسپشن و استفاده از فیلترهای چندمقیاسه
• 22. مفاهیم شبکه‌های عصبی تفکیک‌پذیر برای کاهش محاسبات
• 23. کاربرد شبکه‌های عصبی کانولوشن در تشخیص اشیاء
• 24. آشنایی با مکانیزم‌های توجه در بینایی ماشین
• 25. نقش شبکه‌های عصبی در بخش‌بندی تصاویر پزشکی
• 26. کاربرد بینایی ماشین در سیستم‌های کمک‌راننده و ایمنی جاده
• 27. بررسی معماری‌های سبک برای پردازش در دستگاه‌های لبه
• 28. تکنیک‌های انتقال یادگیری در مدل‌های بینایی ماشین
• 29. تلفیق مدل‌های کانولوشن با ترنسفورمرهای بینایی
• 30. چالش‌های پیاده‌سازی مدل‌های سنگین در سخت‌افزارهای محدود
• 31. اخلاق در توسعه هوش مصنوعی و رعایت حریم خصوصی در پردازش تصویر
• 32. آینده‌نگری در معماری‌های بینایی ماشین و هوش مصنوعی مولد
• 33. روش‌های ارزیابی عملکرد مدل‌های بینایی ماشین
• 34. بهینه‌سازی مدل‌های عصبی برای کاربردهای صنعتی بومی
• 35. مستندسازی و استانداردهای طراحی مدل‌های هوش مصنوعی