دستیابی به چه موفقیت هایی بود که به شبکه های عمیق اجازه داد تا با مشکل محو شدگی گرادیان مقابله کنند؟ پاسخ دارای دو بخش است که بخش اول شامل ماشین بولتزمن محدود شده ( RBM ) است ، الگوریتمی که می تواند با بازسازی ورودی ، به طور خودکار …

اگر شبکه های عصبی عمیق بسیار قدرتمند هستند، چرا آن ها بیشتر مورد استفاده قرار نمی گیرند؟ علت آن این است که به دلیل موضوعی که به عنوان محو شدگی گرادیان شناخته می شود، آموزش آن ها بسیار مشکل است. برای آموزش شبکه عصبی بر روی مجموعه بزرگی از داده …

شبکه های عمیق در ساختارها و اندازه های متنوعی وجود دارند ، بنابراین چگونه باید تصمیم بگیریم از کدام نوع استفاده کنیم؟ جواب بستگی به این دارد که شما می خواهید اشیاء را کلاسه بندی ( طبقه بندی ) کنید یا ویژگی ها را استخراج می کنید. بیایید نگاهی به …

با وجود گزینه های جایگزین بسیاری که در دسترس است، چرا از شبکه های عصبی برای یادگیری عمیق استفاده می شود؟ شبکه های عصبی در تشخیص الگوی پیچیده برتری دارند و می توانند به سرعت با استفاده از پردازنده گرافیکی (GPU) آموزش داده شوند. از نظر تاریخی کامپیوترها فقط برای …

با وجود ابزار های مختلف یادگیری ماشین، چرا باید شبکه های عصبی مصنوعی را به روش های دیگر ترجیه دهیم؟ این ویدیو و ویدیو های بعد ذهن شما را در مورد قابلیت های شگفت انگیر شبکه های عصبی مصنوعی روشن می کند! شما بدون درگیر شدن با ریاضیات و کد …