کتاب صوتی کاوش در پردازش موازی توزیع‌شده (PDP): مدل‌های روانشناختی و زیستی شناخت

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاوش در پردازش موازی توزیع‌شده (PDP): مدل‌های روانشناختی و زیستی شناخت

موضوع کلی: علوم شناختی

موضوع میانی: مدل‌سازی محاسباتی ذهن و مغز

📋 سرفصل‌های دوره

• 1. مبانی علوم شناختی و مدل‌سازی محاسباتی
• 2. معرفی پردازش موازی توزیع‌شده (PDP)
• 3. تاریخچه و تکامل مدل‌های PDP
• 4. معرفی مدل‌های شبکه‌های عصبی
• 5. مقایسه PDP با معماری سنتی اطلاعات
• 6. اصول اساسی یادگیری در شبکه‌های عصبی
• 7. ساختار و عملکرد نورون‌های بیولوژیکی
• 8. مدل‌های ریاضی نورون‌ها
• 9. آشنایی با توابع فعال‌سازی
• 10. شبکه‌های پیش‌خور (Feedforward Networks)
• 11. یادگیری قانون هِب (Hebbian Learning)
• 12. الگوریتم پس‌انتشار (Backpropagation)
• 13. توابع هزینه و بهینه‌سازی
• 14. تکنیک‌های جلوگیری از بیش‌برازش (Overfitting)
• 15. بهینه‌سازی گرادیان نزولی (Gradient Descent)
• 16. انواع مختلف الگوریتم‌های بهینه‌سازی
• 17. شبکه‌های بازگشتی (Recurrent Networks)
• 18. مدل‌های حافظه در شبکه‌های عصبی
• 19. مدل‌های اتصال‌گرایی حافظه (Connectionist Models of Memory)
• 20. استفاده از PDP در مدل‌سازی یادگیری
• 21. مدل‌های ادراک (Perception) با استفاده از PDP
• 22. پردازش تصویر در شبکه‌های عصبی
• 23. تشخیص الگو و طبقه‌بندی
• 24. ادراک گفتار و پردازش زبان
• 25. مدل‌های شناختی زبان
• 26. ساختارهای معنایی در شبکه‌های PDP
• 27. مدل‌های پردازش معنایی
• 28. مدل‌های استدلال (Reasoning) و حل مسئله
• 29. مدل‌های PDP برای تصمیم‌گیری
• 30. مدل‌سازی توجه در شبکه‌های عصبی
• 31. نقش قشر مخ در PDP
• 32. نورون‌های آینه‌ای و سیستم‌های حرکتی
• 33. مدل‌های کنترل حرکتی با استفاده از PDP
• 34. مدل‌های کنترل رباتیک با شبکه‌های عصبی
• 35. شبکه‌های رقابتی (Competitive Networks)
• 36. مدل‌های خودسازمانده (Self-Organizing Maps)
• 37. خوشه‌بندی و کاهش ابعاد
• 38. کاربردهای شبکه‌های خودسازمانده
• 39. شبکه‌های هاپفیلد (Hopfield Networks)
• 40. مدل‌های حافظه انجمنی (Associative Memory)
• 41. دینامیک سیستم‌های هاپفیلد
• 42. شبکه‌های بولتزمن (Boltzmann Machines)
• 43. یادگیری عمیق (Deep Learning) و PDP
• 44. معماری‌های عمیق شبکه‌های عصبی
• 45. شبکه‌های عصبی کانولوشنی (Convolutional Neural Networks)
• 46. شبکه‌های عصبی بازگشتی عمیق
• 47. انتقال یادگیری (Transfer Learning)
• 48. کاربردهای یادگیری عمیق در علوم شناختی
• 49. مدل‌های روان‌شناسی شناختی با PDP
• 50. مدل‌سازی اختلالات شناختی
• 51. PDP و آسیب‌شناسی مغز
• 52. ارتباط PDP با هوش مصنوعی
• 53. مقایسه PDP با رویکردهای نمادین
• 54. آینده مدل‌سازی شناختی
• 55. PDP و مدل‌سازی یادگیری زبان
• 56. PDP و پردازش اطلاعات اجتماعی
• 57. مدل‌های PDP برای هوش هیجانی
• 58. مدل‌سازی تعاملات اجتماعی
• 59. مدل‌های PDP برای تصمیم‌گیری اخلاقی
• 60. PDP و یادگیری از طریق تجربه
• 61. ارتباط بین PDP و علوم اعصاب محاسباتی
• 62. مدل‌های بازنمایی اطلاعات در شبکه‌های عصبی
• 63. نقش فعالیت‌های الکتریکی مغز در PDP
• 64. مدل‌های یادگیری تقویتی (Reinforcement Learning)
• 65. یادگیری تقویتی در شبکه‌های عصبی
• 66. ساختارهای پاداش و تنبیه در شبکه‌های عصبی
• 67. PDP و مدل‌سازی خلاقیت
• 68. مدل‌های شبکه‌های عصبی برای تولید محتوا
• 69. ارتباط بین PDP و فلسفه ذهن
• 70. مسئله ذهن-بدن از دیدگاه PDP
• 71. آگاهی و خودآگاهی در شبکه‌های عصبی
• 72. PDP و مدل‌سازی عواطف و احساسات
• 73. مدل‌های پردازش اطلاعات حسی
• 74. شبکه‌های عصبی برای بینایی سه‌بعدی
• 75. پردازش اطلاعات شنوایی
• 76. مدل‌سازی سیستم‌های گفتاری و زبانی
• 77. مدل‌سازی پردازش اطلاعات در کودکان
• 78. تاثیر آموزش بر شبکه‌های عصبی
• 79. نقش ژنتیک در ساختار شبکه‌های عصبی
• 80. تاثیر محیط بر شبکه‌های عصبی
• 81. مدل‌های PDP برای یادگیری مهارت‌ها
• 82. PDP و توانبخشی شناختی
• 83. چالش‌های پیش روی مدل‌سازی PDP
• 84. محدودیت‌های مدل‌های PDP
• 85. آینده پژوهش در PDP
• 86. اخلاق و کاربردهای هوش مصنوعی و PDP
• 87. تفسیر‌پذیری شبکه‌های عصبی
• 88. بهبود عملکرد شبکه‌های عصبی
• 89. تکنیک‌های تجسم داده‌ها در شبکه‌های عصبی
• 90. استفاده از PDP در طراحی رابط‌های کاربری
• 91. مدل‌سازی رفتار مصرف‌کننده با استفاده از PDP
• 92. PDP و تحلیل داده‌های بزرگ
• 93. نقش داده‌های رفتاری در آموزش شبکه‌های عصبی
• 94. مدل‌های PDP برای پیش‌بینی
• 95. مدل‌سازی بیماری‌های روانی با PDP
• 96. ارتباط PDP با روان‌درمانی
• 97. PDP و تاثیر دارو بر شبکه‌های عصبی
• 98. مدل‌سازی تکامل شناختی
• 99. همکاری بین PDP و سایر روش‌های مدل‌سازی
• 100. مدل‌سازی سیستم‌های پیچیده با استفاده از PDP