فلش‌کارت‌های آموزشی شبکه‌های خودسازمانده: اصول و پیاده‌سازی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه‌های خودسازمانده: اصول و پیاده‌سازی

موضوع کلی: فناوری‌های شبکه و مخابرات

موضوع میانی: هوشمندسازی تصمیم‌گیری‌ها و عملیات شبکه

📋 سرفصل‌های دوره

• 1. شبکه‌های خودسازمانده: معرفی و کاربردها
• 2. مبانی ریاضی شبکه‌های عصبی
• 3. الگوریتم یادگیری نظارت شده
• 4. الگوریتم یادگیری بدون نظارت
• 5. شبکه‌های عصبی پیش‌خور
• 6. انتخاب تابع فعال‌سازی مناسب
• 7. بهینه‌سازی گرادیان کاهشی
• 8. روش‌های تنظیم نرخ یادگیری
• 9. شبکه‌های عصبی پیچشی (CNN)
• 10. پردازش تصاویر با شبکه‌های CNN
• 11. شبکه‌های عصبی بازگشتی (RNN)
• 12. پردازش زبان طبیعی با شبکه‌های RNN
• 13. حافظه بلندمدت (LSTM)
• 14. دروازه‌های تکرارشونده در LSTM
• 15. شبکه‌های خودرمزگذار (Autoencoders)
• 16. کاهش ابعاد داده با خودرمزگذار
• 17. شبکه‌های مولد تخاصمی (GANs)
• 18. تولید تصاویر با شبکه‌های GAN
• 19. یادگیری تقویتی: مفاهیم پایه
• 20. الگوریتم Q-Learning
• 21. الگوریتم SARSA
• 22. شبکه‌های عصبی عمیق (DNN)
• 23. معماری‌های مختلف شبکه‌های عمیق
• 24. تنظیم بیش از حد (Overfitting) و راه‌حل‌ها
• 25. تکنیک‌های افزایش داده (Data Augmentation)
• 26. شبکه‌های عصبی گراف (GNN)
• 27. پردازش داده‌های گراف با GNN
• 28. شبکه‌های توجه (Attention Networks)
• 29. مکانیسم توجه در شبکه‌های عصبی
• 30. مدل‌های ترانسفورمر (Transformers)
• 31. خودتوجه (Self-Attention)
• 32. یادگیری انتقال (Transfer Learning)
• 33. تنظیم دقیق مدل‌های پیش‌آموزش‌دیده
• 34. شبکه‌های عصبی کانولوشنال یک‌بعدی (1D CNN)
• 35. پردازش داده‌های سری زمانی با 1D CNN
• 36. شبکه‌های عصبی کانولوشنال سه بعدی (3D CNN)
• 37. پردازش ویدیو با 3D CNN
• 38. شبکه‌های عصبی مبتنی بر اسپایک (SNN)
• 39. محاسبات عصبی مورفولوژیکی
• 40. شبکه‌های عصبی فازی (ANFIS)
• 41. استنتاج فازی و یادگیری
• 42. شبکه‌های عصبی شعاعی پایه (RBF)
• 43. انتخاب مراکز شعاعی
• 44. شبکه‌های عصبی بازخورد (Feedback Networks)
• 45. شبکه‌های عصبی حافظه‌دار (Memory Networks)